Algorithmen für Uncertainty Quantification

Worum geht's

Du lernst Methoden zur Quantifizierung von Unsicherheiten in computerbasierten Simulationen kennen. Am Ende kannst du zentrale Algorithmen für Forward Uncertainty Quantification einordnen, deren Komplexität abschätzen und einschätzen, wann welche Verfahren (z. B. Monte Carlo, Quasi-Monte Carlo, stochastische Kollokation, stochastische Galerkin) geeignet sind.

Was du danach kannst

• Grundprinzipien und Ziele von Uncertainty Quantification beschreiben
• Zentrale Algorithmen für Forward UQ klassifizieren und erklären
• Algorithmen analysieren und ihre Komplexität einschätzen
• Potentiale für Parallelisierung und High-Performance-Computing erläutern
• Umgang mit dem Curse of Dimensionality erklären
• State-of-the-art UQ-Software aufzählen und Unterschiede benennen
• Einfache Szenarien mit dem Python-Paket chaospy implementieren

Aus was das Modul besteht

• VorlesungVermittlung der Inhalte durch Vorträge und Präsentationen
• Tutorium/ÜbungLösen konkreter Aufgaben, teilweise in Teamarbeit, und Besprechung von Beispielen

Lehrmethode

• Vorträge/Präsentationenzur systematischen Einführung und Darstellung der Konzepte
• Selbststudium von Literaturum sich vertiefend mit Themen auseinanderzusetzen
• Tutoriumsaufgaben (Einzel/Team)um praktische Anwendung und Vertiefung durch Übung sicherzustellen