PTI01730 – Numerische Methoden

Modul
Numerische Methoden
Numerical Methods
Modulnummer
PTI01730
Version: 2
Fakultät
Physikalische Technik / Informatik
Niveau
Bachelor
Dauer
1 Semester
Turnus
Wintersemester
Modulverantwortliche/-r

FG Mathematik

Prof. Dr. Jan Schneider
Jan.Schneider(at)fh-zwickau.de

Prof. Dr. Mike Espig
mike.espig(at)fh-zwickau.de

FG Mathematik

Dozent/-in(nen)

Prof. Dr. Mike Espig
mike.espig(at)fh-zwickau.de
Dozent/-in in: "Numerische Methoden"

Prof. Dr. Jan Schneider
Jan.Schneider(at)fh-zwickau.de
Dozent/-in in: "Numerische Methoden"
Lehrsprache(n)

Deutsch - 80.00%
in "Numerische Methoden"

Englisch - 20.00%
in "Numerische Methoden"
ECTS-Credits

5.00 Credits

Workload

150 Stunden

Lehrveranstaltungen

4.00 SWS (1.00 SWS Praktikum | 3.00 SWS Vorlesung mit integr. Übung / seminaristische Vorlesung)
Selbststudienzeit

90.00 Stunden
90.00 Stunden Selbststudium - Numerische Methoden
Prüfungsvorleistung(en)

Praktikumstestat
in "Numerische Methoden"
Prüfungsleistung(en)

schriftliche Prüfungsleistung
Modulprüfung | Prüfungsdauer: 120 min | Wichtung: 100%
in "Numerische Methoden"
Medienform
Keine Angabe
Lehrinhalte/Gliederung

Folgende Themen werden in der Vorlesung einstudiert:

  • Vektoriteration, numer. lineare Algebra (SVD), Berechnung von Eigenwerten
  • Numerische Verfahren aus der linearen Algebra
  • Iterative Verfahren zum Lösen quadratischer Funktionen, Gradientenverfahren mit optimaler Schrittweite, CG-Verfahren
  • Iterative Verfahren zum Lösen allgemeiner Zielfunktionen, Gradientenverfahren mit effizienter Schrittweite
  • Konvergenzbeschleunigung durch Maßstabsänderung
  • Stochastisches Gradientenverfahren bei Big Data
  • Batch Gradient Descent
  • Adaptive Moment Estimation (Adam) 
Qualifikationsziele

Die Studierenden kennen die numerischen Methoden beim maschinellen Lernen sowie Verfahren aus der statistischen Simulation, sind also in der Lage, resultierende Optimierungsprobleme (quadratisch oder nicht-konvex) zu lösen.
Besondere Zulassungsvoraussetzung

keine
Empfohlene Voraussetzungen

PTI171, PTI172
Fortsetzungsmöglichkeiten

PTI184, PTI186, PTI187
Literatur

  • Papula: Mathematik für Ingenieure und Naturwissenschaftler, Bd. 1, 2, 3 und Mathematische Formelsammlung, Vieweg-Verlag

  • Gosavi, Abhijit: Simulation-Based OptimizationParametric Optimization Techniques and Reinforcement Learning, Springer
  • Kosmol: Methoden zur numerischen Behandlung nichtlinearer Gleichungen und Optimierungsaufgaben, Springer
  • Geiger, Kanzow: Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben, Springer
  • Geiger, Kanzow: Theorie und Numerik restringierter Optimierungsaufgaben, Springer
  • Dahmen, Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer
  • Plato: Numerische Mathematik kompakt, Springer
  • Golub, Van Loan: Matrix Computations, Johns Hopkins Studies in the Mathematical Sciences
Hinweise
Keine Angabe
Zuordnung zum Curriculum

250 Data Science - Bachelor 2019 Vollzeit

250 Data Science - Bachelor 2019 Teilzeit

250 Data Science - Bachelor 2022 Vollzeit

250 Data Science - Bachelor 2022 Teilzeit

290 Studienangebot der Fakultät Physikalische Technik/Informatik (PTI) für Austauschstudierende für das Studienjahr 2023/2024 - Abschluss im Ausland 2023 Vollzeit

250 Data Science - Bachelor 2023 Vollzeit

250 Data Science - Bachelor 2023 Teilzeit

250 Data Science - Bachelor 2023 Vollzeit

250 Data Science - Bachelor 2023 Teilzeit

Detailansicht schließen
© Modulux (Version 4.4)