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.


MAT-DAP01: Bayesian Inference and Data Assimilation Anzahl der Leistungspunkte (LP):
6 LP
Modulart (Pflicht- oder Wahlpflichtmodul): Abhängig vom Studiengang (siehe unten)
Inhalte und Qualifikationsziele des Moduls:

Inhalt

Das Modul vermittelt Grundlagen stochastischer Prozesse, der computergestützten Statistik, der Bayes’schen Inferenz sowie der Datenassimilation. Anwendungen umfassen einfache Modelle aus dem Bereich der Meteorologie und Seismologie.

 

Qualifikationsziel

Die Studierenden erwerben ein Verständnis der Grundlagen der computergestützten Quantifizierung von Vorhersageunsicherheiten und der Assimilation von Daten zur Verbesserung von Vorhersagen und Modellen.

 

 

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)): 120

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
Vorlesung (Vorlesung) 3 - - -
Übungen (Übung) 1 -

Übungsblätter (9)

-

Häufigkeit des Angebots:

zweijährlich (WiSe)

Voraussetzung für die Teilnahme am Modul:

Empfohlen sind Grundkenntnisse der Statistik und Analysis sowie elementare Programmierkenntnisse (z.B. Matlab, R oder Python).

Anbietende Lehreinheit: Mathematik
Zuordnung zu Studiengängen Modulart
Master of Science Computational Science WiSe 2013/14 Wahlpflichtmodul
Master of Science Remote Sensing, geoInformation and Visualization WiSe 2017/18 Wahlpflichtmodul