07

März 2018
Erster Workshop

Ziel dieses Workshops war es, eine gemeinsame Basis zwischen den unterschiedlichen Branchen zu schaffen und erste Visionen zu formulieren.

Zu den Ergebnissen

11

April 2018
Zweiter Workshop

Ziel des zweiten Workshops war es, eine ganzheitliche Betrachtung von Gamification im Life Science Kontext zu ermöglichen. Dafür wurde – aufbauend auf dem ersten Workshop – die User Experience (UX), d.h. die Nutzererfahrung, in den Mittelpunkt gerückt.

Zu den Ergebnissen

27

Juni 2018
Dritter Workshop

In einem eintägigen Simulations-Workshop werden wir gemeinsam ihre Gamification Konzepte in regulierten Arbeitswelten entwickeln. Vision trifft auf Wirklichkeit: Realitätsnah mit Argumentationshilfen gegenüber den Entscheidern.

Mehr

Unsere Idee:

Komplexität in hochregulierten Arbeitswelten
spielend beherrschbar machen.

Teilnehmen
Veranstaltungsbeschreibung

113480a Scientific Computing

Zuletzt geändert:12.06.2023 / von Carlsburg
EDV-Nr:113480a
Studiengänge: Medieninformatik (Bachelor, 7 Semester), Prüfungsleistung im Modul Scientific Computing in Semester 3 4 6 7
Häufigkeit: S25; S26
Dozent: Prof. Dr. Roland Schmitz
Link zur Veranstaltung / zum E-Learning-Kurs: Moodle-Kurs
Sprache: Deutsch
Art: -
Umfang: 4 SWS
ECTS-Punkte: 6
Prüfungsform:
Beschreibung: Die Veranstaltung 113480a Scientific Computing ist eine Erweiterung der früheren "Introduction to Scientific Computing". Es geht allgemein um das näherungsweise Lösen wichtiger mathematischer Probleme mit dem Computer. Die Erweiterung betrifft vor allem Probleme, die für das maschinelle Lernen wichtig sind, nämlich Eigenwertberechnung und mathematische Optimierungsprobleme. Konkret sehen die Inhalte so aus:
    Rechnerarithmetik und Rundungsfehler
- Maschinenzahlen
- Fehlerfortpflanzung
- Numerisch stabile Verfahren
    Lösung linearer Gleichungssysteme
- Exakte Verfahren
- Iterative Verfahren
    Lösung nichtlinearer Gleichungen
- Einzelne Gleichungen
- Nichtlineare Gleichungssysteme
    Interpolation
- Polynominterpolation
- Splines
- Bezier - Kurven
    Eigenwerte
- Grundlagen
- Numerische Verfahren
- Anwendungen: SVD, PCA, etc.
    Optimierungsprobleme
- Grundlagen
- Abstiegsverfahren
- Optimierungsprobleme mit Nebenbedingungen
Literatur: Huckle / Schneider: Numerische Methoden für Informatiker, Springer-Verlag 2006
Holmes: Introduction to Scientific Computing and Data Analysis , Springer-Verlag 2018

Weitere Literatur finden Sie in der HdM-Bibliothek.
Internet: Numerical Computing with MATLAB
Mathematics for Machine Learning
Vorlesungsskript auf Moodle

    Termine