Website
Modulhandbuch bis 2016

Modul MA4030-KP08, MA4030

Optimierung (Opti)

Dauer:


1 Semester
Angebotsturnus:


Jedes Sommersemester
Leistungspunkte:


8
Studiengang, Fachgebiet und Fachsemester:
  • Bachelor Zweitfach Mathematik Vermitteln 2023 (Pflicht), Mathematik, 8. Fachsemester
  • Bachelor Mathematik in Medizin und Lebenswissenschaften 2023 (Pflicht), Mathematik, 4. Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2020 (Wahlpflicht), Mathematik/Naturwissenschaften, Beliebiges Fachsemester
  • Bachelor Informatik 2019 (Wahlpflicht), Freier Wahlpflichtbereich, Beliebiges Fachsemester
  • Bachelor Zweitfach Mathematik Vermitteln 2017 (Pflicht), Mathematik, 8. Fachsemester
  • Master Hörakustik und Audiologische Technik 2017 (Wahlpflicht), Mathematik, 1. oder 2. Fachsemester
  • Bachelor Informatik 2016 (Wahlpflicht), Vertiefung, Beliebiges Fachsemester
  • Bachelor Mathematik in Medizin und Lebenswissenschaften 2016 (Pflicht), Mathematik, 4. Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2014 (Wahlpflicht), Mathematik/Naturwissenschaften, Beliebiges Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2011 (Wahlpflicht), Mathematik, 2. Fachsemester
  • Master Informatik 2012 (Wahlpflicht), Vertiefungsblock Numerische Bildverarbeitung, 2. oder 3. Fachsemester
  • Bachelor Medizinische Ingenieurwissenschaft 2011 (Wahlpflicht), Medizinische Ingenieurwissenschaft, 6. Fachsemester
  • Master Informatik 2012 (Wahlpflicht), Vertiefungsblock Analysis, 2. oder 3. Fachsemester
Lehrveranstaltungen:
  • MA4030-Ü: Optimierung (Übung, 2 SWS)
  • MA4030-V: Optimierung (Vorlesung, 4 SWS)
Workload:
  • 130 Stunden Selbststudium und Aufgabenbearbeitung
  • 90 Stunden Präsenzstudium
  • 20 Stunden Prüfungsvorbereitung
Lehrinhalte:
  • Lineare Optimierung (Simplexverfahren)
  • Nichtlineare Optimierung ohne Nebenbedingungen (Gradientenverfahren, CG, Newtonverfahren, Quasi-Newton, Globalisierung)
  • Nichtlineare Optimierung mit Gleichungs- und Ungleichungsnebenbedingungen (Lagrange-Multiplikatoren, Active Set-Verfahren)
  • Stochastische Verfahren im maschinellen Lernen
Qualifikationsziele/Kompetenzen:
  • Studierende können reale Probleme als numerische Optimierungsprobleme modellieren.
  • Studierende verstehen zentrale Optimierungsstrategien.
  • Studierende können zentrale Optimierungsstrategien erklären.
  • Studierende können zentrale Optimierungsstrategien vergleichen und bewerten.
  • Studierende können zentrale Optimierungsstrategien numerisch umsetzen.
  • Studierende können numerische Ergebnisse bewerten.
  • Studierende können angemessene Optimierungsstrategien für praktische Aufgabenstellungen auswählen.
  • Fachübergreifende Aspekte:
  • Studierende können theoretische Konzepte in die Praxis umsetzen.
  • Studierende besitzen Implementierungserfahrung.
  • Studierende können praktische Probleme abstrahieren.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur oder mündliche Prüfung nach Maßgabe des Dozenten
Voraussetzung für:
Setzt voraus:
Modulverantwortlicher:
Lehrende:
Literatur:
  • J. Nocedal, S. Wright: Numerical Optimization - Springer
  • F. Jarre: Optimierung - Springer
  • C. Geiger: Theorie und Numerik restringierter Optimierungsaufgaben - Springer
Sprache:
  • Wird nur auf Deutsch angeboten
Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine (die Kompetenzen der unter Voraussetzungen genannten Module werden für dieses Modul benötigt, sind aber keine formale Voraussetzung)

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Unbenotete Prüfungsvorleistungen sind Übungsaufgaben sowie deren Präsentation. Diese müssen vor der Erstprüfung bearbeitet und positiv bewertet worden sein.

Modulprüfung(en):
- MA4030-L1: Optimierung, Klausur (90 min) oder mündliche Prüfung (30min) nach Maßgabe des Dozenten, 100% der Modulnote

Letzte Änderung:
27.1.2022