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

Matrix Methods in Data Science - Einzelansicht

  • Funktionen:
  • Zur Zeit keine Belegung möglich
Veranstaltungsart Vorlesung/Übung Veranstaltungsnummer
SWS 6 Semester WiSe 2023/24
Einrichtung Institut für Mathematik   Sprache englisch
Belegungsfristen 02.10.2023 - 10.11.2023   
02.10.2023 - 10.11.2023   
Gruppe 1:
     Zur Zeit keine Belegung möglich
    Tag Zeit Rhythmus Dauer Raum Lehrperson Ausfall-/Ausweichtermine Max. Teilnehmer/-innen
Einzeltermine anzeigen
Vorlesung Mo 08:15 bis 09:45 wöchentlich 16.10.2023 bis 05.02.2024  2.09.0.12 Dr. rer. nat. Mach 25.12.2023: 1. Weihnachtstag
01.01.2024: Neujahr
Einzeltermine anzeigen
Vorlesung Di 14:15 bis 15:45 wöchentlich 17.10.2023 bis 06.02.2024  2.09.0.14 Dr. rer. nat. Mach 26.12.2023: 2. Weihnachtstag
02.01.2024: Akademische Weihnachtsferien
Einzeltermine anzeigen
Übung Do 12:15 bis 13:45 wöchentlich 19.10.2023 bis 08.02.2024  2.05.1.06 Nicolaus 28.12.2023: Akademische Weihnachtsferien
04.01.2024: Akademische Weihnachtsferien
Kommentar

Please register on moodle for the course Mach, Th.: Matrix Methods in Data Science (https://moodle2.uni-potsdam.de/course/view.php?id=38490). The key is svd.

Literatur

There is no single textbook for the course. Possible references include:

[1] E. Darve and M. Wootters, Numerical Linear Algebra with Julia, vol. 172, SIAM, 2021.
[2] J. W. Demmel, Applied Numerical Linear Algebra, SIAM, 1997.
[3] G. Strang, Linear Algebra and Learning from Data, Welesely Cambridge Press, 2019 (unfortunately not available in the library, not available online; the library of TU Berlin has several copies)
[4] L. N. Trefethen and D. Bau, III., Numerical Linear Algebra, SIAM, Philadelphia, 1997.
[5] D. S. Watkins, Fundamentals of Matrix Computations, vol. 64, John Wiley, 2004.

Voraussetzungen

This course requires a solid understanding of Linear Algebra, typically taught over two semesters with the second part sometimes called matrix theory, and of numerical methods (interpolation, rounding errors, Newton's method, numerical integration, solving linear systems with Gaussian elimination and with iterative methods, as well as the QR eigenvalue algorithm).

Studierende des Bachelor Mathematik sollten
Basismodul Lineare Algebra und Analytische Geometrie I,
Basismodul Lineare Algebra und Analytische Geometrie II,
Aufbaumodul Computermathematik, and
Aufbaumodul Numerik II
erfolgreich bestanden haben.

Leistungsnachweis

There will be an in person oral exam at the end of the term, if regulations permit. To qualify for the exam you have to achieve at least 50% of the points in the homework assignments.

Lerninhalte

The following topics, among others, will be covered in this course:

  • matrix functions, with applications to graph centrality, and Krylov subspace methods,
  • the main matrix decompostions: Schur decomposition, singular value decomposition, QR decomposition, CUR, NMF,
  • large strutured and sparse matrices, including links to Kronecker products and matrix equations,
  • tensor methods, and
  • their applications and more.
Zielgruppe

This course is aimed for students interested in data science, matrices, and numerical computations.The course teaches (numerical) linear algebra methods and applies them to data science problems.
Matrix methods in data science is an evolution of numerical linear algebra, which was offered in the summer term 2022. Due to the significant overlap we'll exclude students who have successfully passed numerical linear algebra in the past.

 

Für Studierende Mathematik Lehramt empfehlen wir zunächst die Lehrveranstaltung Numerik II, welche im Sommersester auf Deutsch angeboten wird und verwandte Themen behandelt, zu besuchen.


Strukturbaum
Die Veranstaltung wurde 12 mal im Vorlesungsverzeichnis WiSe 2023/24 gefunden:
Vorlesungsverzeichnis
Mathematisch-Naturwissenschaftliche Fakultät
Institut für Physik und Astronomie
Master of Science
Physik (Prüfungsversion ab WiSe 2019/20)
Wahlpflichtmodule
Außerfachliche Ergänzung
MATVMD942 - Advanced Topics in Applied Mathematics and Numerics II  - - - 1 offens Buch
MATVMD941 - Advanced Topics in Applied Mathematics and Numerics I  - - - 2 offens Buch
Institut für Mathematik
Master of Science
Mathematics (Prüfungsversion ab WiSe 2019/20)
Elective Modules
Applied Mathematics and Numerics
MATVMD842 - Advanced Topics in Applied Mathematics and Numerics II  - - - 3 offens Buch
MATVMD942 - Advanced Topics in Applied Mathematics and Numerics II  - - - 4 offens Buch
MATVMD941 - Advanced Topics in Applied Mathematics and Numerics I  - - - 5 offens Buch
MATVMD841 - Advanced Topics in Applied Mathematics and Numerics I  - - - 6 offens Buch
Mathematik (Prüfungsversion ab WiSe 2015/16)
Wahlpflichtmodule
Bereich Angewandte Mathematik und Numerik
MATVMD841 - Advanced Topics in Applied Mathematics and Numerics I  - - - 7 offens Buch
MATVMD842 - Advanced Topics in Applied Mathematics and Numerics II  - - - 8 offens Buch
MATVMD941 - Advanced Topics in Applied Mathematics and Numerics I  - - - 9 offens Buch
MATVMD942 - Advanced Topics in Applied Mathematics and Numerics II  - - - 10 offens Buch
Bachelor of Science
Mathematik (Prüfungsversion ab WiSe 2015/2016)
Wahlpflichtmodule
MAT-VM-D641 - Vertiefungsmodul Angewandte Mathematik und Numerik I  - - - 11 offens Buch
MAT-VM-D642 - Vertiefungsmodul Angewandte Mathematik und Numerik II  - - - 12 offens Buch