Die Eingangsdaten für mathematische Modelle sind in Anwendungen in der Regel nicht exakt bekannt, sondern mit verschiedenen Unsicherheiten behaftet, etwa durch Messfehler oder nur eingeschränkt verfügbare Informationen. In dieser Vorlesung beschäftigen wir uns mit numerischen Methoden zur quantitativen Erfassung der sich daraus ergebenden Unsicherheiten in Ergebnissen.
Der zweite Teil der Veranstaltung behandelt die Analyse von Multilevel-Monte-Carlo-Methoden, deterministische polynomiale Approximationen für Differentialgleichungen mit zufälligen Daten, stochastische Galerkin-Verfahren, die Bayessche Formulierung inverser Probleme und Markov-Chain-Monte-Carlo-Methoden.
Im optionalen begleitenden Programmierpraktikum werden numerische Tests zu den vorgestellten Verfahren umgesetzt. Ein Skriptum (das auch den ersten Teil umfasst) wird zur Verfügung gestellt. Der Besuch des ersten Teils ist für den zweiten Teil hilfreich, aber nicht unbedingt erforderlich. Zum Themenbereich dieser Ergänzungsveranstaltungen können auch Masterarbeiten vergeben werden.
Typ | Vorlesung |
Dozent | Prof. Dr. Markus Bachmayr |
Termin | Mi 10-12 Uhr in Raum 04-422 |
Sprache | Deutsch |
Kreditpunkte | 3 Cr |
Aktuelles
- Am 10. Juli finden zum Vorlesungstermin die Abschlussvorträge statt (Themenvergabe in der Vorlesung am 26. Juni).
- Am 15. Mai entfallen Vorlesung und Praktikum. Dafür gibt es am 29. Mai zum Praktikumstermin eine zusätzliche Vorlesung.
Materialien
- Skriptum (Reader)
Praktikum zu Numerische Methoden in der Uncertainty Quantification
In diesem Programmierpraktikum werden begleitend zur Vorlesung die dort behandelten Verfahren praktisch umgesetzt.
Typ | Praktikum |
Dozent | Prof. Dr. Markus Bachmayr |
Termin | Mi 8-10 Uhr in 04-432 |
Sprache | Deutsch |
Kreditpunkte | 3 Cr |
Aufgabenblätter
- Aufgabenblatt 1, Abgabetermin 7. Mai
- Aufgabenblatt 2, Abgabetermin 20. Mai
- Aufgabenblatt 3, Abgabetermin 3. Juni
- Aufgabenblatt 4, Abgabetermin 17. Juni
- Aufgabenblatt 5, Abgabetermin 8. Juli
Die Bearbeitung der Aufgabenstellungen erfolgt in Julia.
- Überblick zu Julia, IJulia-Notebook [Vorschau]
Weitere Links:
- Julia
- IJulia, Schnittstelle zu Jupyter-Notebooks (kann direkt aus dem Julia-Terminal installiert werden)
- Juno IDE, basierend auf Atom
(Jeder beliebige andere Texteditor kann ebenfalls verwendet werden.) - JuliaBox, Verwendung im Browser ohne Installation
- Offizielle Dokumentation
- Unterschiede zu anderen Programmiersprachen