Digitale Lehre
Alle Informationen zum E-Learning finden Sie im moodle-Kurs der Veranstaltung.
Lehrinhalte
In 6 Versuchen werden Grundzüge des wissenschaftlichen Rechnens am PC geübt. Dazu werden zur Lösung von beispielhaften ingenieurwissenschaftlichen Fragestellungen aus dem Grundlagenbereich der etit zentrale Methoden der numerischen Mathematik eingesetzt und deren Möglichkeiten und Grenzen exploriert.
Die benötigten Grundlagen der numerischen Mathematik werden durch ein Skript zu jedem Versuch eingeführt. Im Praktikum werden die Verfahren dann unter Anleitung in der aktuellen Rechenumgebung Python implementiert.
Die Versuche behandeln folgende Themenbreiche:
[list]
[*]Aufstellen und Lösen von linearen Gleichungssystemen, dünn-besetzte Matrizen
[*]Integration gewöhnlicher Differentialgleichungen sowie deren Analyse mit Hilfe von Eigenwerten
[*]Mathematische Optimierung, Automatisches Differenzieren
[*]Lineare Regression/Approximation, erste Machine Learning Algorithmen
[*]Diskretisierung einfacher partieller Differentialgleichungen
[/list]
Voraussetzungen
Etit 1 & 2, Mathe für etit 1-3
Online-Angebote
moodle
Stammraum Informationen
S321/1
Alle Informationen zum E-Learning finden Sie im moodle-Kurs der Veranstaltung.
Lehrinhalte
In 6 Versuchen werden Grundzüge des wissenschaftlichen Rechnens am PC geübt. Dazu werden zur Lösung von beispielhaften ingenieurwissenschaftlichen Fragestellungen aus dem Grundlagenbereich der etit zentrale Methoden der numerischen Mathematik eingesetzt und deren Möglichkeiten und Grenzen exploriert.
Die benötigten Grundlagen der numerischen Mathematik werden durch ein Skript zu jedem Versuch eingeführt. Im Praktikum werden die Verfahren dann unter Anleitung in der aktuellen Rechenumgebung Python implementiert.
Die Versuche behandeln folgende Themenbreiche:
[list]
[*]Aufstellen und Lösen von linearen Gleichungssystemen, dünn-besetzte Matrizen
[*]Integration gewöhnlicher Differentialgleichungen sowie deren Analyse mit Hilfe von Eigenwerten
[*]Mathematische Optimierung, Automatisches Differenzieren
[*]Lineare Regression/Approximation, erste Machine Learning Algorithmen
[*]Diskretisierung einfacher partieller Differentialgleichungen
[/list]
Voraussetzungen
Etit 1 & 2, Mathe für etit 1-3
Online-Angebote
moodle
Stammraum Informationen
S321/1
- Lehrende: Herbert De Gersem
- Lehrende: Heinz Köppl
- Lehrende: Markus Meinert
- Lehrende: Sebastian Schöps
- Lehrende: Florian Steinke
Semester: WiSe 2020/21