Numerische Methoden für Data Science

Veranstalter

School of Advanced Professional Studies Universität Ulm

Veranstaltungsort

Universität Ulm
Online
 

Zielgruppe

Dieser Zertifikatskurs richtet sich an Berufseinsteigende, an junge Führungskräfte sowie Projektleitende und Beraterende, die ihre Kompetenzen im Umgang mit den Herausforderungen „Industrie 4.0“ und „Big Data“ optimal ausbauen und vertiefen wollen.

Teilnahmevoraussetzungen

Die Teilnehmenden sollten mathematische Kenntnisse auf Bachelor-Niveau, insbesondere Lineare Algebra (Matrizen, lineare Gleichungssysteme, Eigenwerte und -vektoren, Normen, Skalarprodukte) und Analysis (Funktionen mehrerer Veränderlicher, Satz von Taylor) beherrschen.

Inhalte

• Numerische Lineare Algebra für Big Data-Anwendungen: Lösung linearer Gleichungssysteme, Eigenwerte und -vektoren, Singulärwertzerlegung
• Numerische Lösung hochdimensionaler nichtlinearer Gleichungssysteme
• Numerische Verfahren für Kalibrierungs- und Maximum-Likelihood-Probleme
• Numerische Lösung hochdimensionaler nichtlinearer Gleichungssysteme
• Standard-Software für derartige Problemstellungen

Ablauf

Das Online-Studium findet im Selbststudium und in Form von Gruppenarbeit statt. Für das Selbststudium steht ein ausführliches Skript zur Verfügung. Die zentralen Inhalte und zugehörige Beispiele werden zudem in kurzen Videos erläutert. Das lesefreundliche Skript ist nach dem didaktischen Konzept der Universität Ulm für berufsbegleitend Teilnehmende aufbereitet.

Um die vermittelten Inhalte zu festigen, werden in regelmäßigen Abständen Übungsblätter veröffentlicht, deren Lösungen von den Teilnehmenden und dem Mentor/der Mentorin gemeinsam zu den Präsenzterminen vorgestellt werden. Die Präsenztermine dienen außerdem der Klärung offener inhaltlicher Fragen und der gemeinsamen Reflexion der Zertifikatskursinhalte mit den Dozierenden.

Der Mentor/die Mentorin des Zertifikatskurses bietet zudem in regelmäßigen Abständen Online-Sprechstunden an, die die Teilnehmenden bei der Bearbeitung des Lernstoffs unterstützen. Außerdem steht ein weiteres Forum für den Austausch der Teilnehmenden untereinander bereit.

Lernziele

Nach erfolgreichem Abschluss des Zertifikatskurses können die Teilnehmenden

• die besonderen Herausforderungen bei Big Data-Anwendungen in der Numerik einschätzen und beurteilen
• ausgewählte Algorithmen für hochdimensionale Probleme zu analysieren, bewerten und anwenden
• vorhandene (kommerzielle) Software-Pakete hinsichtlich deren Anwendbarkeit für Big Data bewerten

Lehr- / Lernformat

Blended-Learning

Abschluss

Bei erfolgreichem Abschluss des Zertifikatskurses erhalten Sie ein Zertifikat sowie ein Supplement, das die Inhalte des Zertifikatskurses als Übersicht auflistet.

Zeitaufwand

Der Zertifikatskurs erfordert einen Bearbeitungsaufwand von insgesamt 180 Stunden.

Creditpoints (ECTS)

6

Sprache

Deutsch

Kurstermine

Die Termine für die Präsenzveranstaltungen und die Prüfungstermine werden noch bekannt gegeben.

Anmeldefrist

Anmeldefrist für das Sommersemester: 01. Oktober bis 15. März Anmeldefrist für das Wintersemester: 01. April bis 15. September

Prof. Dr. Karsten Urban
Leiter des Instituts für Numerische Mathematik

Prof. Dr. Stefan Funken
Professor im Institut für Numerische Mathematik

Laura Burr
Wissenschaftliche Mitarbeiterin im Institut für Numerische Mathematik