phy611 Theoretical Methods (Course overview) - Campusmanagementsystem Stud.IP

Institute of Physics

6 KP

Module components

Semester courses Sommersemester 2021

Examination

Lecture

5.04.4012 - Informationsverarbeitung und Kommunikation
- PD Dr. Jörn Anemüller
- Tuesday, 16:00 - 18:00, Weekly (from 13.04.21)
- Friday, 23.07.21, 13:30 - 15:30 o'clock
Die Studierenden erlernen, wie statistische Eigenschaften von Signalen zur Lösung von Problemen der Angewandten Physik, insbesondere der Klassifikation, parametrischen Modellierung und Übertragung von Signalen genutzt werden können. Theoretische Lernziele beinhalten damit eine Wiederholung und Festigung statistischer Grundlagen und eine Verständnis von deren Nutzung für Algorithmen unterschiedlicher Zielsetzung und Komplexität. Im praktischen Teil werden Eigenschaften der behandelten Methoden selbständig erarbeitet sowie Algorithmen auf dem Rechner implementiert und auf reale Daten angewendet, so daß der Umgang mit theoretischen Konzepten und ihre praktische Umsetzung erlernt werden. Inhalte: Grundfragen der Informationsverarbeitung (Klassifikation, Regression, Clustering), Lösungsmethoden basierend auf Dichteschätzung und diskriminativen Ansätzen (z.B. Bayes Schätzung, k-nearest neighbour, Hauptkomponentenanalyse, support-vector-machines, Hidden-Markov- Modelle), Grundlagen der Informationstheorie, Methoden der analogen und digitalen Nachrichtenübertragung, Prinzipien der Kanalcodierung und Kompression
5.04.4666 - Personalized Medicine
- Prof. Dr. rer. nat. Thorsten Schmidt
- Friday, 10:00 - 12:00, Weekly (from 21.05.21)
- Friday, 12:00 - 14:00, Weekly (from 16.04.21)
2 SWS Vorlesung als Blockveranstaltung + Praktikum (Block nach Absprache) Dozent: Prof. Dr. rer. nat. Thorsten Schmidt, thorsten.schmidt1@uni-oldenburg.de
5.04.4675 - Optical Simulation and Modelling (Zemax)
- Prof. Dr. Walter Neu, Dipl.-Phys.
- Friday, 09:00 - 11:00, Weekly (from 16.04.21)
Lecture and project. The lecture time can be shifted according if wanted.

Exercises

5.04.4012 Ü1 - Informationsverarbeitung und Kommunikation
- PD Dr. Jörn Anemüller
- Eike Jannik Nustede, M. Sc.
- Thursday, 16:00 - 18:00, Weekly (from 15.04.21)
Die Studierenden erlernen, wie statistische Eigenschaften von Signalen zur Lösung von Problemen der Angewandten Physik, insbesondere der Klassifikation, parametrischen Modellierung und Übertragung von Signalen genutzt werden können. Theoretische Lernziele beinhalten damit eine Wiederholung und Festigung statistischer Grundlagen und eine Verständnis von deren Nutzung für Algorithmen unterschiedlicher Zielsetzung und Komplexität. Im praktischen Teil werden Eigenschaften der behandelten Methoden selbständig erarbeitet sowie Algorithmen auf dem Rechner implementiert und auf reale Daten angewendet, so daß der Umgang mit theoretischen Konzepten und ihre praktische Umsetzung erlernt werden. Inhalte: Grundfragen der Informationsverarbeitung (Klassifikation, Regression, Clustering), Lösungsmethoden basierend auf Dichteschätzung und diskriminativen Ansätzen (z.B. Bayes Schätzung, k-nearest neighbour, Hauptkomponentenanalyse, support-vector-machines, Hidden-Markov- Modelle), Grundlagen der Informationstheorie, Methoden der analogen und digitalen Nachrichtenübertragung, Prinzipien der Kanalcodierung und Kompression
5.04.4666 - Personalized Medicine
- Prof. Dr. rer. nat. Thorsten Schmidt
- Friday, 10:00 - 12:00, Weekly (from 21.05.21)
- Friday, 12:00 - 14:00, Weekly (from 16.04.21)
2 SWS Vorlesung als Blockveranstaltung + Praktikum (Block nach Absprache) Dozent: Prof. Dr. rer. nat. Thorsten Schmidt, thorsten.schmidt1@uni-oldenburg.de
5.04.4675 - Optical Simulation and Modelling (Zemax)
- Prof. Dr. Walter Neu, Dipl.-Phys.
- Friday, 09:00 - 11:00, Weekly (from 16.04.21)
Lecture and project. The lecture time can be shifted according if wanted.

Hinweise zum Modul

Prerequisites	basic programming skills (matlab, python, C/C++)
Zusätzliche Hinweise	Module Capacity: unrestricted
Prüfungsart, -umfang, -dauer	According selected course
Lernergebnisse/Kompetenzen	This module aims to broaden the training of the students in theoretical methods for engineering physics by providing a solid and in-depth understanding of advanced concepts and their application through computer simulations. Depending on the course chosen, the students may strengthen their knowledge of computer physics, machine learning, signal processing, modelling and simulation, or numerical methods for differential equations. The module enables the students to develop the skills needed to link model design, numerical implementation, and physical data analysis with the interpretation of field and/or laboratory measurements.