UnivIS
Informationssystem der Friedrich-Alexander-Universität Erlangen-Nürnberg © Config eG 
FAU Logo
  Sammlung/Stundenplan    Modulbelegung Home  |  Rechtliches  |  Kontakt  |  Hilfe    
Suche:      Semester:   
 Lehr-
veranstaltungen
   Personen/
Einrichtungen
   Räume   Forschungs-
bericht
   Publi-
kationen
   Internat.
Kontakte
   Examens-
arbeiten
   Telefon &
E-Mail
 
 
 Darstellung
 
Druckansicht

 
 
 Außerdem im UnivIS
 
Vorlesungs- und Modulverzeichnis nach Studiengängen

Vorlesungsverzeichnis

 
 
Veranstaltungskalender

Stellenangebote

Möbel-/Rechnerbörse

 
 
Einrichtungen >> Technische Fakultät (TF) >> Department Informatik (INF) >> Lehrstuhl für Informatik 6 (Datenmanagement) >>

  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)

UnivIS ist ein Produkt der Config eG, Buckenhof