|
Topologische Datenanalyse (TopDat)
- Dozent/in
- Luciano Melodia, M.A.
- Angaben
- Seminar
Online 2 SWS, benoteter Schein, Anwesenheitspflicht, ECTS-Studium, ECTS-Credits: 5
nur Fachstudium, Sprache Englisch, Referate können wahlweise auf Deutsch oder Englisch abgehalten werden.
Zeit: Do 14:00 - 16:00, Zoom-Meeting
Vorbesprechung: 5.11.2020, 14:00 - 16:00 Uhr
- Studienfächer / Studienrichtungen
- WPF INF-MA 1-14 (ECTS-Credits: 5)
WF M-MA 1-14 (ECTS-Credits: 5)
WF ASC-MA 1-14 (ECTS-Credits: 5)
- Voraussetzungen / Organisatorisches
- Mengentheoretische Topologie
Lineare Algebra
Algebraische Topologie (optional)
- Inhalt
- Persistente Homologie ist ein neuartiges Werkzeug aus der computergestützten Topologie, das für die Untersuchung der Form hochdimensionaler Daten geeignet ist. Es ist eine Methode, um computergestützt topologische Merkmale eines Raums in unterschiedlicher räumlicher Auflösung zu kodieren. Je häufiger oder je länger ein topologisches Merkmal persistiert, desto wahrscheinlicher beschreibt es den Raum der Daten, aus dem wir lediglich einen Teil vorliegen haben.
Die Anwendungen dieses Werkzeugs reichen von Mustererkennung bis hin zur Rekonstruktion der Flächen, auf denen ein gegebener Datensatz vermutet werden kann. Es ist äußerst robust gegenüber Rauschen und kann auch mit Ausreißern in geeigneter Weise umgehen. Neben einer reichen Theorie gibt es auch Brücken zu diversen Gebieten der Mathematik, wie kommutativer Algebra, algebraischer Geometrie und Topologie sowie Differentialtopologie und -geometrie.
Inhalt des Seminars ist das Verstädnis für persistente Homologie, die Algorithmen zu deren Berechnung sowie einen Teil der theoretischen Hintergründe. Dazu gehören:
Topologische Räume
Simpliziale Komplexe
Simplizialer Approximationssatz
Simpliziale Homologietheorie
Persistente Homologietheorie
Algorithmen für persistente Homologie und Kohomologie
- Empfohlene Literatur
- Boissonnat, Jean-Daniel, Frédéric Chazal, and Mariette Yvinec. Geometric and topological inference. Vol. 57. Cambridge University Press, 2018.
Oudot, Steve Y. Persistence theory: from quiver representations to data analysis. Vol. 209. Providence: American Mathematical Society, 2015.
- ECTS-Informationen:
- Credits: 5
- Zusätzliche Informationen
- Schlagwörter: Topologische Datenanalyse, Persistente Homologie, Datenanalytik
Erwartete Teilnehmerzahl: 5, Maximale Teilnehmerzahl: 10
www: https://github.com/karhunenloeve/topology-seminar-tda Für diese Lehrveranstaltung ist eine Anmeldung erforderlich. Die Anmeldung erfolgt von Donnerstag, 1.10.2020 bis Mittwoch, 18.11.2020 über: StudOn.
- Verwendung in folgenden UnivIS-Modulen
- Startsemester WS 2020/2021:
- Topological Data Analysis Seminar (TopoSem)
- Institution: Lehrstuhl für Informatik 6 (Datenmanagement)
|
|
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|