250078 VO Advanced numerical analysis (2023S)
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Details
Sprache: Englisch
Prüfungstermine
- Mittwoch 28.06.2023
- Mittwoch 28.06.2023
- Montag 24.07.2023
- Montag 11.09.2023
- Freitag 06.10.2023
- Donnerstag 18.01.2024
- Freitag 07.06.2024
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
The first course on wednesday 1. march 13h15 serves as a short "organisational meeting", both for the lecture and for the exercise classes (called "introductory seminar" for unknown reasons)
The precise time of the lectures can be slightly shifted if students wish.- Mittwoch 01.03. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 06.03. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 08.03. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 15.03. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 20.03. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 22.03. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 27.03. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 29.03. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 17.04. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 19.04. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 24.04. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 26.04. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 03.05. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 08.05. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 10.05. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 15.05. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 17.05. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 22.05. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 24.05. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 31.05. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 05.06. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 07.06. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 12.06. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 14.06. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 19.06. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 21.06. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
- Montag 26.06. 15:00 - 16:30 Hörsaal 13 Oskar-Morgenstern-Platz 1 2.Stock
- Mittwoch 28.06. 13:15 - 14:45 Hörsaal 11 Oskar-Morgenstern-Platz 1 2.Stock
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
written or oral exam after the end of the course.
lecture notes etc can be used for the exam.
lecture notes etc can be used for the exam.
Mindestanforderungen und Beurteilungsmaßstab
Minimum (prior) requirements: Basic knowledge of numerical methods / analysis on bachelor level.Assessment criteria: Oral / written exam assessing the topics and exercises presented in the lecture.
Prüfungsstoff
Understanding of what was presented in the lecture course.
In addition, the ability to apply the presented results will be assessed using example problems and exercises will be discussed in the exam.
In addition, the ability to apply the presented results will be assessed using example problems and exercises will be discussed in the exam.
Literatur
will be presented in the first lecture
Zuordnung im Vorlesungsverzeichnis
MAMN
Letzte Änderung: Mo 17.06.2024 16:06
In some sense it is a follow up to any elementary course on "Numerical Mathematics" in a bachelor program.
It is apt for students in master programs "mathematics", "computational sciences", "data science"Topics.
.) iterative methods for large linear systems,
.) numerics of eigenvalue problems ,
.) nonlinear systems of equations also in higher dimensions
.) introduction to numerics partial differential equations
.) "Modern methods": neural networks, machine learning.