phy611 - Theoretical Methods (Veranstaltungsübersicht)

phy611 - Theoretical Methods (Veranstaltungsübersicht)

Institut für Physik 6 KP
Modulteile Semesterveranstaltungen Sommersemester 2019 Prüfungsleistung
Vorlesung
  • Kein Zugang 5.04.4012 - Informationsverarbeitung und Kommunikation Lehrende anzeigen
    • Priv.-Doz. Dr. Jörn Anemüller

    Dienstag: 08:00 - 10:00, wöchentlich (ab 02.04.2019)
    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
  • Kein Zugang 5.04.4012 Ü1 - Informationsverarbeitung und Kommunikation Lehrende anzeigen
    • Priv.-Doz. Dr. Jörn Anemüller

    Donnerstag: 16:00 - 18:00, wöchentlich (ab 04.04.2019)
    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
  • Kein Zugang 5.04.4072 - Computational Fluid Dynamics I Lehrende anzeigen
    • Prof. Dr. Laura Lukassen

    Dienstag: 12:00 - 16:00, wöchentlich (ab 02.04.2019)
    Deeper understanding of the fundamental equations of fluid dynamics. Overview of numerical methods for the solution of the fundamental equations of fluid dynamics. Confrontation with complex problems in fluiddynamics. To become acquainted with different, widely used CFD models that are used to study complex problems in fluid dynamics. Ability to apply these CFD models to certain defined problems and to critically evaluate the results of numerical models. Content: CFD I: The Navier-Stokes equations, filtering / averaging of Navier- Stokes equations, introduction to numerical methods, finite- differences, finite-volume methods, linear equation systems, NS-solvers, RANS, URANS, LES, DNS, turbulent flows, incompressible flows, compressible flows, efficiency and accuracy.
  • Kein Zugang 5.04.4072 Ü1 - Übungen zu Computational Fluid Dynamics I Lehrende anzeigen
    • Khaled Yassin
    • Ghazaleh Molla Ahmadi Dehaghi

    Donnerstag: 14:00 - 16:00, wöchentlich (ab 11.04.2019), Ort: W02 2-249, W02 2-216
  • Kein Zugang 5.04.4074 - Computational Fluid Dynamics II Lehrende anzeigen
    • Prof. Dr. Laura Lukassen

    Dienstag: 12:00 - 16:00, wöchentlich (ab 28.05.2019)
    Deeper understanding of the fundamental equations of fluid dynamics. Overview of numerical methods for the solution of the fundamental equations of fluid dynamics. Confrontation with complex problems in fluiddynamics. To become acquainted with different, widely used CFD models that are used to study complex problems in fluid dynamics. Ability to apply these CFD models to certain defined problems and to critically evaluate the results of numerical models. Content: CFD II: Introduction to different CFD models, such as OpenFOAM and PALM. Application of these CFD models to defined problems from rotor aerodynamics and the atmospheric boundary layer. Lehrsprache: "This course will be held in English. If no international students should participate, the course language can also be switched to German."
  • Kein Zugang 5.04.4074 Ü1 - Übungen zu Computational Fluid Dynamics II Lehrende anzeigen
    • Ghazaleh Molla Ahmadi Dehaghi
    • Khaled Yassin

    Donnerstag: 14:00 - 16:00, wöchentlich (ab 06.06.2019)
  • Kein Zugang 5.04.4666 - Personalized Medicine Lehrende anzeigen
    • Prof. Dr. rer. nat. Thorsten Schmidt

    Freitag: 10:00 - 12:00, wöchentlich (ab 10.05.2019), Ort: W02 3-349, W32 1-101
    Freitag: 12:00 - 14:00, wöchentlich (ab 05.04.2019), Ort: W32 1-113
    2 SWS Vorlesung als Blockveranstaltung + Praktikum (Block nach Absprache) Dozent: Prof. Dr. rer. nat. Thorsten Schmidt, thorsten.schmidt1@uni-oldenburg.de
  • Kein Zugang 5.04.4668 - Zemax Lehrende anzeigen
    • Prof. Dr. Walter Neu, Dipl.-Phys.

    Freitag: 09:00 - 11:00, wöchentlich (ab 05.04.2019)
    Lecture and project. The lecture time can be shifted according if wanted.
Übung
Hinweise zum Modul
Teilnahmevoraussetzungen
basic programming skills (matlab, python, C/C++)
Prüfungsleistung Modul
Lectures (2 or 4 hours per week) / Exercises (1 or 2 hours per week)
Kompetenzziele
The goal of this module is to extend the training in theoretical methods for engineering physics through the acquisition of solid and in-depth knowledge of advanced concepts and through their practice with computer simulations. Depending on the chosen course, the students will have the opportunity to strengthen their knowledge in quantum material modelling (Density-functional theory), signal processing, fluid dynamics (Modelling and Simulation), computational physics, and machine learning. In this way, they will develop skills to relate the conceptual design of models, their numerical implementation, and the physical analysis of the produced data, with the results of field and/or laboratory measurements.