Lehrveranstaltungshandbuch Wissenschaftliches Rechnen

---

Verantwortlich: Prof. Dr. Beate Rhein

Lehrveranstaltung

Befriedigt Modul (MID)

• aktuelle
  • Ma TIN2012 WR

Organisation

Version erstellt 2012-04-12 VID 1 gültig ab SS 2015 gültig bis

Bezeichnung Lang Wissenschaftliches Rechnen MID F07_WR MPID

Semesterplan (SWS) Vorlesung Übung (ganzer Kurs) Übung (geteilter Kurs) Praktikum Projekt Seminar Tutorium (freiwillig)

Präsenzzeiten Vorlesung Übung (ganzer Kurs) Übung (geteilter Kurs) Praktikum Projekt Seminar Tutorium (freiwillig)

max. Teilnehmerzahl Übung (ganzer Kurs) Übung (geteilter Kurs) Praktikum Projekt Seminar

Gesamtaufwand: 150

Unterrichtssprache

• Deutsch

Niveau

• Master

Notwendige Voraussetzungen

Literatur

Dozenten

• Prof. Dr. Rhein

Wissenschaftliche Mitarbeiter

Zeugnistext

de

Kompetenznachweis

Form
sMP

Aufwand [h]
sMP

Intervall: 1/Jahr

---

Lehrveranstaltungselemente

Vorlesung / Übung

Lernziele

Lerninhalte(Kenntnisse)

• Grundbegriffe des wissenschaftlichen Rechnens (PFK 2, PFK 4)
• Approximationsverfahren (PFK 5, PFK 6)
  • Metamodellierung
  • Regressionsverfahren
  • Statistische Versuchsplanung
• Multikriterielle Optimierung (PFK 4, PFK 5, PFK 6)
  • Formulierung
  • Paretofront
  • Algorithmen
  • Visualisierung
• Clusteranalyse (PFK 5, PFK 6)
  • Partionierende Verfahren
  • Hierarchische Verfahren
  • Dichtebasierte Verfahren
  • Gütemaße

Fertigkeiten

• Zu Anwendungsaufgaben passende mathematische Verfahren kennen, diese über numerische Methoden und geschickte Implementierung in laufzeit- und speicherplatzoptimierte Programme umsetzen (PFK 2, PFK 6)
• Approximationsverfahren kennen und für eine Aufgabenstellung passendes Verfahren auswählen und anwenden (PFK 5)
• Anwendungsaufgabe als multikriterielle Optimierungsaufgabe formulieren und lösen können (PFK 5)
• Methoden der Clusteranalyse kennen, passendes Verfahren auswählen und anwenden (PFK 5)

Kompetenzen

• Für eine Anwendungsaufgabe aus dem Bereich der Approximationsverfahren, der multikriteriellen Optimierung oder der Clusteranalyse geeigneten Algorithmus auswählen
• Algorithmus durch geschickte Kombination von Methoden der Numerik und der Informatik effizient implementieren

Begleitmaterial

• Elektronische Vortragsfolien zur Vorlesung
• Rechnerbasierte Entwicklungswerkzeuge
• Elektronische Tutorials für das Selbststudium

Besondere Voraussetzungen

• keine

Besondere Literatur

• keine

Besonderer Kompetenznachweis

Praktikum

Lernziele

Fertigkeiten (PFK 8)

• Anwendung und Programmierung von Approximationsverfahren in MATLAB
• Anwendung und Programmierung multikriterieller Optimierungsverfahren in MATLAB
• Anwendung und Programmierung von Clusterverfahren in MATLAB

Handlungskompetenz demonstrieren (PFK 4, PFK 5)

• numerische Verfahren effizient implementieren
• Algorithmen hinsichtlich ihrer Komplexität bewerten

Begleitmaterial

• Elektronische Aufgabenbeschreibung
• Beispielprogramme
• Programmiersprache für Wissenschaftliches Rechnen
• Elektronische Tutorials für Selbststudium

Besondere Voraussetzungen

• keine

Besondere Literatur

Besonderer Kompetenznachweis

• Präsentation der Ergebnisse des Praktikums
• Beitrag zum LV-Ergebnis
• Intervall
  • 1/Jahr