Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
040114 UK Optimization under Uncertainty (MA) (2017S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mi 15.02.2017 09:00 bis Mi 22.02.2017 12:00
- Abmeldung bis Di 14.03.2017 23:59
Details
max. 50 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Montag 06.03. 13:15 - 14:45 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
- Dienstag 07.03. 11:30 - 13:00 Studierzone
- Dienstag 14.03. 08:00 - 10:00 Seminarraum 6 Oskar-Morgenstern-Platz 1 1.Stock
- Montag 20.03. 13:15 - 14:45 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
- Dienstag 21.03. 11:30 - 13:00 Studierzone
- Montag 27.03. 13:15 - 14:45 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
- Dienstag 28.03. 11:30 - 13:00 Studierzone
- Montag 03.04. 13:15 - 14:45 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
- Montag 24.04. 13:15 - 14:45 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
- Dienstag 25.04. 11:30 - 13:00 Seminarraum 3 Oskar-Morgenstern-Platz 1 1.Stock
- Montag 08.05. 13:15 - 14:45 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
- Montag 15.05. 13:15 - 14:45 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
- Montag 22.05. 13:15 - 14:45 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
- Montag 29.05. 13:15 - 14:45 Seminarraum 16 Oskar-Morgenstern-Platz 1 3.Stock
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Study practically relevant aspects of operations research including in particular the consideration of uncertain input data (stochastic optimization, robust optimization)
Art der Leistungskontrolle und erlaubte Hilfsmittel
written exam, blackboard exercises
Mindestanforderungen und Beurteilungsmaßstab
This course should help graduate students to:
a) develop mathematical models for (real world) optimization problems
b) apply different concepts to treat uncertain input data in optimization and understand the consequences implied by choosing on of these techniques
a) develop mathematical models for (real world) optimization problems
b) apply different concepts to treat uncertain input data in optimization and understand the consequences implied by choosing on of these techniques
Prüfungsstoff
Literatur
Zuordnung im Vorlesungsverzeichnis
Letzte Änderung: Mo 07.09.2020 15:28