TU Berlin

FG Angewandte FunktionalanalysisWeitere Vorlesungen

Inhalt des Dokuments

zur Navigation

Weitere Vorlesungen

Diese Vorlesungen sind für bestimmte unserer Forschungsrichtungen (und damit auch Themen für Bachelor-/Masterarbeiten) besonders nützlich.

Random Matrices and Matrix Completion
Spezialvorlesung: 26.09. - 30.09.2016
Ausgewählte Kapitel aus den folgenden Gebieten:
  • Introduction to randomness: concentration of measure, Lemma of Johnson and Lindenstrauss
  • Low-rank matrix recovery: Rank r-Null space property, Rank r-Restricted isometry property, Gaussian information map
  • Random matrices: Matrix norms, Golden-Thompson inequality, Non-commutative Bernstein inequality, Lieb's theorem
  • Matrix Completion: Recovery of a low-rank matrix from few observed entries
Sommer 2016
Raum
Zeit
Vorlesung
MA 313
Täglich: 10-12 & 14-16
Weitere Information siehe: Webseite, Vorlesungsverzeichnis und ISIS
Compressive Sensing and Inverse Problems in Signal Processing
Vorlesung im Bereich Compressed Sensing
Diese Vorlesung wird regelmäßig in der Elektrotechnik im Wintersemester von Dr. Peter Jung angeboten und bietet eine hervorragende Einführung in diverse Themen des Compressed Sensing.
Konvexgeometrie I/II
Vorlesungen im Bereich Geometrische Funktionalanalysis
Diese Vorlesungen werden regelmäßig in der Mathematik von Prof. Dr. Martin Henk angeboten und bieten eine hervorragende Einführung in diverse Themen im Umfeld der Geometrischen Funktionalanalysis. Sie sind somit auch sehr nützlich für den Bereich Compressed Sensing.
Maschinelles Lernen I/II
Vorlesungen im Bereich Data Science
Diese Vorlesungen wird regelmäßig in der Informatik von Prof. Dr. Klaus-Robert Müller angeboten und bieten eine hervorragende Einführung in diverse Themen des Data Science.
Nichtlineare Optimierung
Vorlesungen im Bereich Data Science
Diese Vorlesung wirden regelmäßig in der Mathematik u.a. von Prof. Dr. Fredi Tröltzsch angeboten und bietet eine hervorragende Einführung in diverse Themen der nichtlinearen Optimierung, auch konvexe Optimierung. Sie ist somit sehr nützlich für den Bereich Compressed Sensing, aber auch allgemeiner für Themenstellungen im Bereich Data Science.
Numerik von Partiellen Differentialgleichungen
Vorlesungen im Bereich Partielle Differentialgleichungen
Diese Vorlesung wird regelmäßig in der Mathematik u.a. von Prof. Dr. Reinhold Schneider angeboten und bietet eine hervorragende Einführung in numerische Aspekte der Lösung von partiellen Differentialgleichungen, bei der auch die Verwendungen von Systemen der Angewandten Harmonischen Analysis besprochen wird.

 

 

 

Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe