B6 Universitätsgebäude

HWS25

Stochastik 1 (Döring)

Jeder kennt Zufall aus dem eigenen Leben, zum Beispiel Münzwürfe oder das Bestehen einer Klausur nach “mit Lücke lernen”. In dieser Vorlesung werden wir mittels Maß- und Integrationstheorie mathematische Modelle für die Modellierung von Zufallsexperimenten konstruieren. Weil wir auch noch das Gesetz der Großen Zahlen und den zentralen Grenzwertsatz diskutierten, wird die Erfolgswahrscheinlichkeit des zweiten Beispiels leider ziemlich klein sein.

Reinforcement Learning 2 (Döring)

This lecture (5 ECTS) continues the lecture reinforcement learning from the previous semester. We fill gaps that were left and discuss further topics (such as PPO, deep Q-learning). 

Markovketten (Slowik)

Diese Robotorvorlesung (5 ECTS) beschäfftigt sich mit Markovketten in diskreter Zeit auf abzählbar unendlichen Zustandsräumen. Die Vorlesungen werden im blended-learning Format angeboten. Zudem gibt es die Möglichkeit die Vorlesungsinhalte und Lösungen der Übungsaufgaben im Rahmen der Supervision innerhalb von Kleingruppen zu diskutieren.

Markov processes (Slowik)

This lecture, designed for students in Msc Mathematics and Mathematics in Business and Economics (5 ECTS), is provided in a blended learning format completed by supervisions. The course covers Markov processes, semi-groups and its connection to PDEs.

Bayesian Optimization (Weißmann)

This lecture (4 ECTS) will cover Bayesian methods for global optimization problems. 

Seminar Mathematische Methoden der Künstlichen Intelligenz

In diesem Seminar (Bachelor & Master) studieren wir verschiedene AI/ML Techniken, die mehr oder weniger viel mit Stochastik zu tun haben. Themen können zu stochastischen Banditen, verschiedenen Bereichen es Reinforcement Learnings, der stochastischen Optimierung, aber auch ganz anderer Art sein. Die Themen werden am ersten Termin (erster Montag des Semesters) besprochen und vergeben, das Seminar findet dann geblockt mit etwas Abstand zur Prüfungsphase statt.