Die hier aufgeführten Veranstaltungen sind Teil des festen Lehrangebots des CDSC und werden regelmäßig angeboten.
Das Angebot in diesem Semester finden Sie in der Übersicht aller aktuellen Lehrveranstaltungen.
Einführung in die Bayes'sche Statistik
Die Bayes'sche Statistik bietet einen vereinheitlichenden Zugang zu Problemen der Datenanalyse und bildet zugleich eine theoretische Grundlage für viele Methoden des maschinellen Lernens. Ziel der Vorlesung ist es, anhand von Beispielen aus verschiedenen Wissenschaftsgebieten, dem Alltag sowie aus aktuellen Anwendungen des maschinellen Lernens eine erste Einführung in das Themengebiet zu geben. Aufbauend auf den theoretischen Grundlagen werden Fragestellungen wie Parameterschätzung, Modellvergleich und Hypothesentests, Kausale Inferenz und Experimentelles Design behandelt, ergänzt durch ihre numerische Umsetzung mittels moderner Monte Carlo Methoden.
Weitere Informationen zur aktuelle Vorlesung im Sommersemester 2025 finden Sie im LearnWeb
Kontakt: Oliver Kamps
Interdisziplinäre Einführung in Komplexe Netzwerke
Komplexe Netzwerke sind ein modernes, thematisch äußerst vielfältiges und hochgradig interdisziplinäres Forschungsfeld. Ziel der Vorlesung ist, eine Einführung in den universellen Werkzeugkoffer der Netzwerktheorie zu geben. Dieser stellt Konzepte und Methoden bereit, um komplexe Netzwerke zu beschreiben und zu analysieren, Phänomene, die in ihnen auftreten, zu verstehen und die Funktionsweise und Resilienz von Netzwerken zu optimieren. Im Rahmen der Vorlesung werden zahlreiche Anwendungsbeispiele aus verschiedenen Fachdisziplinen (z. B. Physik, Chemie, Biologie, Neurowissenschaft, Medizin, Wirtschaftswissenschaften und Soziologie) vorgestellt, welche um aktuelle Fragestellungen (z. B. Propagation von Desinformation, Radwegenetze, Klimanetzwerke, Ausbreitung von Epidemien) ergänzt werden.
Kontakt: Katrin Schmietendorf
Einführung in die nichtlineare Dynamik und Selbstorganisation
Nichtlineare Dynamiken spielen in zahlreichen natürlichen, technischen und gesellschaftlichen Systemen eine wichtige Rolle. Sie prägen mechanische, hydrodynamische und chemische Prozesse ebenso wie biologische Rhythmen, neuronale Aktivität, ökologische Systeme oder kollektive soziale Phänomene. Bereits einfache Modelle können dabei überraschende Verhaltensweisen hervorbringen – von hoher Empfindlichkeit gegenüber Anfangsbedingungen über das Auftreten mehrerer stabiler Zustände bis hin zu plötzlichen qualitativen Veränderungen.
Die Erforschung nichtlinearer Systeme gehört zu den Kernthemen der modernen Physik und bildet zugleich eine wichtige Grundlage für das Verständnis nichtlinearer und kollektiver Phänomene in vielen anderen wissenschaftlichen Disziplinen. Trotz der großen Bandbreite konkreter Anwendungen zeigen viele dieser Systeme ähnliche Verhaltensweisen und folgen universellen Prinzipien, die sich mit einem gemeinsamen mathematischen Instrumentarium beschreiben lassen.
Die Vorlesung vermittelt eine Einführung in grundlegende Konzepte und Methoden der nichtlinearen Dynamik. Behandelt werden unter anderem Phasenräume, Attraktoren, Stabilität und Multistabilität, Bifurkationen, Oszillationen, kritische Übergänge, Chaos sowie stochastisch getriebene Systeme. Hierauf aufbauend werden ausgewählte Phänomene der Selbstorganisation in komplexen Systemen diskutiert, darunter Synchronisation und räumliche Musterbildung. Beispiele aus Physik, Biologie, Chemie sowie den Neuro- und Sozialwissenschaften veranschaulichen die fachübergreifende Relevanz von nichtlinearen und komplexen Systemen.
Die begleitenden Übungen dienen der Vertiefung der Vorlesungsinhalte anhand ausgewählter Beispiele, die von den Studierenden selbstständig bearbeitet sowie im Rahmen der Präsenztermine diskutiert werden.
Die nächste Vorlesung wird im Wintersemester 2026/2027 stattfinden. Weitere Informationen finden Sie in HIS-LSF.
Kontakt: Katrin Schmietendorf
Einführung in das maschinelle Lernen
Die interdisziplinäre Einführungsvorlesung richtet sich an Bachelor- und Master-Studierende verschiedener Fachrichtungen mit heterogenen Vorkenntnissen. Die Vorlesung gibt einen Überblick über die fundamentalen Konzepte und Algorithmen des Machine Learnings und erläutert diese an grundlegenden Anwendungsbeispielen.
Weitere Informationen Die nächste Vorlesung wird als Blockveranstaltung in der Vorlesungsfreien Zeit im Sommersemester 2026 stattfinden
Kontakt: Oliver Kamps