Xing

Ab 01.10.2022 | UUlm | Numerische Methoden für Data Science

Durch das Wachstum an Datenvolumen stehen Unternehmen vor der Herausforderung, diese extrem großen Datenmengen („Big Data“) speichern und analysieren zu können. Dies ist entscheidend, um sie für weitere Prozesse zu verwenden. Herkömmliche algorithmische Methoden, die alle Daten betrachten, sind entweder nicht mehr anwendbar oder benötigen zu lange Rechenzeiten. In diesem Modul werden Sie numerische Methoden, Verfahren und Algorithmen kennenlernen, die auch für große Datenmengen noch effizient arbeiten und so erlauben, aus größeren Datenmengen Muster zu erkennen und wichtige Informationen zu extrahieren.

 

Inhalt:

  • 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


Lernsetting:

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 berufsbegleitende Studierende aufbereitet.

Um die vermittelten Inhalte zu festigen, werden in regelmäßigen Abständen Übungsblätter veröffentlicht, deren Lösungen von den Studierenden und dem Mentor gemeinsam zu den Präsenzterminen vorgestellt werden.

Der Mentor des Moduls wird in regelmäßigen Abständen Online-Sprechstunden anbieten, die die Studierenden bei der Bearbeitung des Lernstoffs unterstützen. Außerdem steht ein weiteres Forum für den Austausch der Studierenden untereinander bereit.

 

Dozent:

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

 

Leistungsumfang:

Bei erfolgreichem Abschluss des Moduls erhalten Sie ein Zertifikat sowie ein Supplement, das die Inhalte des Moduls als Übersicht auflistet. Im Supplement bestätigt Ihnen der Modulverantwortliche das Äquivalent von 6 Leistungspunkten nach ECTS.


Teilnahmeentgelt: 1.900 €

Weitere Informationen zum Modul

Die Anmeldung erfolgt ausschließlich über die Universität Ulm. Bitte nutzen Sie für Ihre Anmeldung nur den oben aufgeführten Link zum Modul und nicht das untenstehende Formular.

Anmeldung zur Veranstaltung

Datenschutzinformationen

Die von Ihnen eingegebenen Daten der Modulanmeldung werden von der Geschäftsstelle der School of Advanced Professional Studies (SAPS) der Universität Ulm gespeichert. Sie können sich diese Daten für Ihre Unterlagen selbst ausdrucken. Ihre Einwilligung zur Verarbeitung Ihrer personenbezogenen Daten können Sie jederzeit auch merkmalsbezogen bei der SAPS-Geschäftsstelle widerrufen. Selbstverständlich haben Sie jederzeit in Bezug auf § 14 Landesdatenschutzgesetz ein Auskunfts- und Berichtigungsrecht bezüglich Ihrer gespeicherten Daten. Eine entsprechende Anfrage richten Sie bitte schriftlich (saps@uni-ulm.de) an die SAPS-Geschäftsstelle der Universität Ulm. Ihre Daten werden über eine verschlüsselte Verbindung übertragen. Von der SAPS-Geschäftsstelle gespeicherte Daten können Sie jederzeit per E-Mail nachfragen und ggf. ändern/berichtigen lassen.
Die im Formular von Ihnen angegebenen Daten werden von uns ausschließlich für die Beantwortung bzw. Umsetzung Ihrer Anfrage und zur Kontaktaufnahme verarbeitet. Für die Verarbeitung beziehen wir uns auf den Art. 6. Abs. 1 lit. a DSGVO, sofern keine anderweitige gesetzliche Grundlage besteht. Eine Weitergabe an Dritte findet grundsätzlich nicht statt. Sie können Ihre erteilte Einwilligung jederzeit mit Wirkung für die Zukunft widerrufen. Im Falle des Widerrufs werden Ihre Daten umgehend gelöscht. Ihre Daten werden ansonsten gelöscht, wenn wir Ihre Anfrage bearbeitet haben oder der Zweck der Speicherung entfallen ist. Sie können sich jederzeit über die zu Ihrer Person gespeicherten Daten informieren. Weitere Informationen zum Datenschutz finden Sie auch in der Datenschutzerklärung dieser Webseite.