Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

Foto: Matthias Friel

Modul: Bayesian Inference and Data Assimilation


Das hier aufgeführte Modul basiert auf in den Amtlichen Bekanntmachungen der Universität Potsdam veröffentlichten Studien- und Prüfungsordnungen.
Verbindliche Regelungswirkung haben nur die veröffentlichten Ordnungen.


MATVMD838: Bayesian Inference and Data Assimilation Anzahl der Leistungspunkte (LP):
9 LP
Modulart (Pflicht- oder Wahlpflichtmodul): Abhängig vom Studiengang (siehe unten)
Inhalte und Qualifikationsziele des Moduls:

Inhalte
Behandelt werden Zufallsvariablen und bedingte Verteilungen, Monte-Carlo-Verfahren, Bayes’sches Theorem, Punktschätzer, Importance Sampling, Markov Prozesse, sequentielle Monte-Carlo-Verfahren und Datenassimilation für stochastische Prozesse.
Qualifikationsziele
Die Studierenden sind mit den Grundbegriffen sowie den grundlegenden Methoden und Techniken der Bayes’schen Inferenz und Assimilation von Daten in mathematische Modelle vertraut. Sie sind in der Lage, selbständig Techniken der Bayes’schen Inferenz anzuwenden und seine/ihre Kenntnisse zur Lösung konkreter Aufgaben einzusetzen.

Modul(teil)prüfungen (Anzahl, Form, Umfang, Arbeitsaufwand in LP):

Eine Prüfung der folgenden Formen:

Klausur, 90 Minuten

Mündliche Prüfung, 30 Minuten

Selbstlernzeit (in Zeitstunden (h)): 180

Veranstaltungen
(Lehrformen)
Kontaktzeit
(in SWS)
Prüfungsnebenleistungen
(Anzahl, Form, Umfang)
Lehrveranstaltungsbegleitende Modul(teil)prüfung
(Anzahl, Form, Umfang)
Für den Abschluss des Moduls Für die Zulassung zur Modulprüfung
Vertiefende Vorlesung im Bereich Bayes´sche Inferenz und Datenassimilation und Übung (Vorlesung und Übung) 4V + 2Ü -

Erfolgreiche Bearbeitung der Übungsaufgaben und Präsentation eigener Lösungen (70%)

-

Häufigkeit des Angebots:

SoSe

Voraussetzung für die Teilnahme am Modul: keine
Anbietende Lehreinheit(en): Mathematik
Zuordnung zu Studiengängen Modulart
Master of Science Computational Science WiSe 2019/20 Wahlpflichtmodul
Master of Science Data Science WiSe 2018/19 Pflichtmodul
Master of Science Mathematics WiSe 2019/20 Wahlpflichtmodul
Master of Science Mathematik WiSe 2015/16 Wahlpflichtmodul
Master of Science Wirtschaftsinformatik und Digitale Transformation WiSe 2017/18 Wahlpflichtmodul