Stud.IP Uni Oldenburg
University of Oldenburg
16.05.2022 17:16:59
phy611 - Theoretical Methods
Institute of Physics 6 KP
Module components Semester courses Sommersemester 2022 Examination
Lecture
  • Unlimited access 5.04.4012 - Informationsverarbeitung und Kommunikation / Information Processing and Communication Show lecturers
    • PD Dr. Jörn Anemüller

    Tuesday: 16:15 - 17:45, weekly (from 19/04/22), Location: W03 2-240
    Dates on Wednesday. 27.07.22 10:00 - 12:00, Location: W32 0-005

    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

  • Unlimited access 5.04.4586 - Digital Signal Processing Show lecturers
    • Prof. Dr. Simon Doclo

    Monday: 16:15 - 17:45, weekly (from 25/04/22)

    Engineering Physics: Alternative für Signal- und Systemtheorie

Exercises
  • Unlimited access 5.04.4012 Ü1 - Übung zu Informationsverarbeitung und Kommunikation / Information Processing and Communication Show lecturers
    • PD Dr. Jörn Anemüller
    • Eike Jannik Nustede, M. Sc.

    Thursday: 16:15 - 17:45, weekly (from 21/04/22)

    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

  • Unlimited access 5.04.4586 Ü1 - Exercises to Digital Signal Processing Show lecturers
    • Henri Gode
    • Daniel Fejgin

    Wednesday: 12:15 - 13:45, weekly (from 20/04/22)

    Engineering Physics: Alternative für Signal- und Systemtheorie

Notes for the module
Prerequisites
Theory modules in Bachelor, e.g., Mathematical Methods; Quantum Structure of Matter
Module examination
According selected course
Skills to be acquired in this module
Computational Fluid Dynamics (CFD I & II)
  • 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.


Computerorientierte Physik
Extension and complement of qualification in theoretical physics through the acquisition of solid and deep knowledge of advanced concepts and methods in theoretical physics. Depending on the selected course the students acquire knowledge in the fields of basis numerical methods of theoretical physics, algorithms and data structures in scientific computing, code debugging. They obtain skills for a confident application of modern methods of theoretical physics such as diagram generation, Molecular Dynamics and Monte Carlo simulations and quantitative analysis of advanced problems of theoretical physics and in further development of the physical intuition. They enhance their competences to effectively deal with sophisticated problems of theoretical physics, to independently develop approaches to current issues of theoretical physics, and to comprehend common concepts and methods of theoretical physics and the natural sciences, in general.

Modelling and Simulation
The students attending successful the course acquire an advanced understanding of the conceptual design of models in the field of engineering sciences. Special emphasis is on identifying the significant physical processes and the choice of the most efficient modelling type. The interaction of numerical simulations with field measurements and laboratory measurements including the theory of similarity will be discussed. To meet the needs of renewable energy, laser technology, environmental sciences and marine sciences the practical focus is on the modelling and simulation of fluid dynamics in small scales and close to structures.

Top