040114 UK Optimization under Uncertainty (MA) (2017S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mi 15.02.2017 09:00 bis Mi 22.02.2017 12:00
- Abmeldung bis Di 14.03.2017 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Montag
06.03.
13:15 - 14:45
Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Dienstag
07.03.
11:30 - 13:00
Studierzone
Dienstag
14.03.
08:00 - 10:00
Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
Montag
20.03.
13:15 - 14:45
Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Dienstag
21.03.
11:30 - 13:00
Studierzone
Montag
27.03.
13:15 - 14:45
Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Dienstag
28.03.
11:30 - 13:00
Studierzone
Montag
03.04.
13:15 - 14:45
Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Montag
24.04.
13:15 - 14:45
Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Dienstag
25.04.
11:30 - 13:00
Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
Montag
08.05.
13:15 - 14:45
Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Montag
15.05.
13:15 - 14:45
Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Montag
22.05.
13:15 - 14:45
Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Montag
29.05.
13:15 - 14:45
Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Study practically relevant aspects of operations research including in particular the consideration of uncertain input data (stochastic optimization, robust optimization)
Art der Leistungskontrolle und erlaubte Hilfsmittel
written exam, blackboard exercises
Mindestanforderungen und Beurteilungsmaßstab
This course should help graduate students to:
a) develop mathematical models for (real world) optimization problems
b) apply different concepts to treat uncertain input data in optimization and understand the consequences implied by choosing on of these techniques
a) develop mathematical models for (real world) optimization problems
b) apply different concepts to treat uncertain input data in optimization and understand the consequences implied by choosing on of these techniques
Prüfungsstoff
Literatur
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 07.09.2020 15:28