Lecture
|
-
5.01.316 - Vorlesung Statistik II: Mathematische Grundlagen der Angewandten Statistik
- Prof. Dr. Peter Ruckdeschel
Monday: 08:15 - 09:45, weekly (from 25/04/22) Wednesday: 08:15 - 09:45, fortnightly (from 20/04/22)
-
5.01.321 - Vorlesung Mathematische Modellierung
Tuesday: 14:15 - 15:45, fortnightly (from 19/04/22), Location: W32 0-005 Thursday: 12:15 - 13:45, weekly (from 21/04/22), Location: W32 0-005 Dates on Wednesday, 27.07.2022, Tuesday, 23.08.2022 14:00 - 16:00, Thursday, 25.08.2022, Friday, 07.10.2022 10:00 - 12:00, Location: W32 1-112, W01 0-015, W03 1-161 (+1 more)
-
5.01.326 - Vorlesung Differentialgeometrie
- Prof. Dr. Konstantin Pankrashkin
Thursday: 12:15 - 13:45, weekly (from 21/04/22), Location: W01 0-012 Friday: 12:15 - 13:45, weekly (from 22/04/22), Location: W01 0-012 Dates on Tuesday, 26.07.2022 12:30 - 16:30, Friday, 05.08.2022, Tuesday, 23.08.2022 09:00 - 12:00, Location: W01 0-011, W01 0-012
Wird diese Veranstaltung im Fach-Bachelor als mat325 gehört, so werden die Vorlesung und Übungen nur in den ersten 2/3 des Semesters besucht.
-
5.01.341 - Vorlesung Numerik gewöhnlicher Differentialgleichungen
Monday: 12:15 - 13:45, weekly (from 25/04/22), Location: W01 0-006 Wednesday: 12:15 - 13:45, fortnightly (from 27/04/22), Location: W01 0-011
-
5.01.351 - Vorlesung Optimierung
Tuesday: 10:15 - 11:45, weekly (from 19/04/22), Location: W01 1-117 Friday: 12:15 - 13:45, fortnightly (from 22/04/22), Location: W01 0-015 Dates on Monday, 20.06.2022 14:15 - 15:45, Friday, 09.09.2022 12:00 - 14:15, Location: W04 1-162, ((W1 2-222))
-
5.01.905 - Vorlesung Überwachtes Lernen
Friday: 14:15 - 15:45, weekly (from 22/04/22)
Liebe Studierende,
dieses Sommersemester 2022 wird eine Vorlesung zum Thema Überwachtes Lernen / Einführung Machine Learning (5.01.905) angeboten. Der Kurs ist auch für Nicht-Mathematiker*innen zugänglich. Voraussetzungen sind Grundkenntnisse in Statistik/ Stochastik und Analysis.
Inhalt:
Der Kurs gibt eine Einführung in Machine Learning:
- Lernen von Daten
- k-Nächste-Nachbarn
- Bayes Modell
- Entscheidungsbäume
- Random Forest
- Neuronale Netze
- evtl. Generative adversarial network (GAN).
- Anwendungen in Naturwissenschaften, Ökonomie, Medizin und Bildverarbeitung
Ablauf:
Die Vorlesung und Übung finden in Präsenz statt und werden gleichzeitig online übertragen und als Video gespeichert.
Die erste Übung findet am 19.04 um 12:15 mit einer allgemeinen Einführung in R statt. Die Erste Vorlesung erfolgt am 22.04 um 14:15
|
|
Exercises
|
-
5.01.317-ü - Übung Statistik II: Mathematische Grundlagen der Angewandten Statistik
- Prof. Dr. Peter Ruckdeschel
Wednesday: 08:15 - 09:45, fortnightly (from 27/04/22)
-
5.01.322-ü1 - Übung-1 Mathematische Modellierung
- Prof. Dr. Hannes Uecker
- Alexander Meiners
Tuesday: 14:15 - 15:45, fortnightly (from 26/04/22)
-
5.01.322-ü2 - Übung-2 Mathematische Modellierung
- Prof. Dr. Hannes Uecker
- Dr. Tobias Marxen
- Alexander Meiners
Monday: 12:15 - 13:45, fortnightly (from 25/04/22)
-
5.01.322-ü3 - Übung-3 Mathematische Modellierung
- Prof. Dr. Hannes Uecker
- Erik Marc Schetzke
Monday: 16:15 - 17:45, fortnightly (from 25/04/22)
-
5.01.322-ü4 - Übung-4 Mathematische Modellierung
- Prof. Dr. Hannes Uecker
- Konstantin Meiwald
Monday: 16:15 - 17:45, fortnightly (from 25/04/22)
-
5.01.327-ü - Übung Differentialgeometrie
- Prof. Dr. Konstantin Pankrashkin
- Orville Damaschke
Tuesday: 16:15 - 17:45, weekly (from 19/04/22)
Wird diese Veranstaltung im Fach-Bachelor als mat325 gehört, so werden die Vorlesung und Übungen nur in den ersten 2/3 des Semesters besucht.
-
5.01.342-ü - Übung Numerik gewöhnlicher Differentialgleichungen
- Prof. Dr. Alexey Chernov
- Erik Marc Schetzke
Wednesday: 12:15 - 13:45, fortnightly (from 04/05/22)
-
5.01.352-ü - Übung Optimierung
Friday: 12:15 - 13:45, fortnightly (from 29/04/22)
-
5.01.905-ü - Übung Überwachtes Lernen
Tuesday: 12:15 - 13:45, weekly (from 19/04/22)
|
|
Reference text |
Eine Veranstaltung kann entweder im Modul pb169 oder im Modul pb170 belegt werden, sofern sie nicht bereits im Rahmen eines Moduls im Fachcurriculum Mathematik belegt wird bzw. belegt wurde. Darüber hinaus können Veranstaltungen, die sich inhaltlich substantiell überschneiden, nicht in beiden Modulen belegt werden. |
Prüfungszeiten |
nach Ende der Vorlesungszeit |
Module examination |
KL |
Skills to be acquired in this module |
- Exemplarisches Kennenlernen weiterer mathematischer Gebiete und damit Erweiterung des eigenen mathematischen Wissens - Kennenlernen von Anwendungen - Vertiefung, auch exemplarisch, der im Grundlagenbereich erworbenen Kenntnisse - Vertiefung, auch exemplarisch, der in den Aufbaubereichen erworbenen Kenntnisse - Kennenlernen eines klassischen Gebietes der Mathematik, das mehr als hundert Jahre besteht ohne an Bedeutung zu verlieren - Vernetzung des eigenen mathematischen Wissens durch Herstellung von Bezügen zwischen verschiedenen mathematischen Bereichen |
|