| Allgemeine Angaben |
|
| Master-Seminar - Datenassimilation (IN2107, IN4425) | | |
|
|
|
|
|
|
|
|
|
|
|
| ... |  |
|
|
|
|
|
| |
| Angaben zur Abhaltung |
|
Datenassimilation ist der Prozess, bei dem dynamische Systeme (physikalische Modell) an beobachtete Daten gefittet werden. Als solche sind diese Algorithmen eine zentrale Komponente in Systemen zur numerischen Wettervorhersage, wie sie bspw. an dem ECMWF verwendet werden. Wir werden die Problemstellung erarbeiten und verschiedene Lösungsansätze evaluieren. Zur Implementierung der Algorithmen werden wir das Paradigma der differenzierbaren Programmierung verwenden.
Nach einem Auftakttreffen wird das Seminar als einwöchiges Blockseminar zu frühen Abendterminen in der Mitte des Semesters angeboten. |
|
|
Vorwissen in relevanten Bereichen der angewandten Mathematik wie Lineare Algebra, Analysis, Numerische Optimierung und Stochastik/Statistik.
Programmierkenntnisse in Python für wissenschaftliches Rechnen (numpy, scipy). |
|
|
| Nach erfolgreichem Abschluss dieses Moduls werden die Studierenden einen umfassenden Überblick über die Problemstellung des Datenassimilierungsproblems sowie verschiedenen Lösungsansätzen haben. |
|
|
|
|
Participants independently assess an advanced scientific topic, prepare a presentation and discuss their findings.
The accompanying term paper summarizes the main concepts of the subject and provides an overview over related work. |
|
|
|
|
| Für die Anmeldung zur Teilnahme müssen Sie sich in TUMonline als Studierende/r identifizieren. |
Anmerkung: Pre-Meeting Data Assimilation Seminar
Uhrzeit: 14.Jul.2020 10:00 AM Amsterdam, Berlin, Rom, Stockholm, Wien
Zoom-Meeting beitreten
https://tum-conf.zoom.us/j/91903177210
Meeting-ID: 919 0317 7210
Passwort: 409015
Plätze werden über das Machting-System vergeben |
|
| |
| Zusatzinformationen |
|
|
|
|
|
Pre-Meeting Data Assimilation Seminar
Uhrzeit: 14.Jul.2020 10:00 AM Amsterdam, Berlin, Rom, Stockholm, Wien
Zoom-Meeting beitreten
https://tum-conf.zoom.us/j/91903177210
Meeting-ID: 919 0317 7210
Passwort: 409015 |
|
