Uni Wien:Numerical High Performance Algorithms VU (Gansterer)
Daten[Bearbeiten | Quelltext bearbeiten]
| Vortragende | Wilfried Gansterer, zusätzl. ab 2023W Viktoria Mayer, bis 2020W Markus Levonyak |
|---|---|
| ECTS | 6 |
| Sprache | English |
| Links | ufind:052112 |
Inhalt[Bearbeiten | Quelltext bearbeiten]
Es werden numerische Algorithmen zB. zur Annäherung von Eigenwerten/Eigenvektoren (zB. Power Iteration und so weiter), zum Faktorisieren etc. gelehrt. Ein großer Teil der Lehrveranstaltung ist aber ein eigenes "Projekt", das man selbstständig programmiert und zum Schluss auch vorstellt.
Ablauf[Bearbeiten | Quelltext bearbeiten]
Es gibt wöchentlich 2 Termine. Am Anfang werden diese für Vorlesungen genutzt, dann bei Bedarf zum Präsentieren.
Man wählt ein Projektthema. Dazu bekommt man dann 2 Papers zugewiesen, welche man präsentieren muss (ca. 10min pro Paper). Außerdem muss man einen Algorithmus ausprogrammieren und Experimente damit ausführen und diese präsentieren (ca. 25-30min) sowie in einem Report zusammenzufassen. Die Programmiersprache kann an sich frei gewählt werden, wobei sie schon geeignet sein sollte (etwa C, Fortran, Python mit NumPy, ...). Nach den Präsentationen finden jeweils kurze Diskussionen statt.
Außerdem gab es am Anfang 2 kleinere Hausübungen (Algorithmen programmieren und Experimente ausführen). Auch hier durfte die Sprache frei gewählt werden.
Benötigte/Empfehlenswerte Vorkenntnisse[Bearbeiten | Quelltext bearbeiten]
Gute Kenntnisse über Matrizenrechnung, Vektorrechnung, lineare Algebra im Allgemeinen, Eigenwerte und -Vektoren, Fehleranalyse etc. -- insbesondere sind die folgenden Lehrveranstaltungen sehr relevant: Einführung in Numerical Computing, Numerical Algorithms (Modul: CNA)
Prüfung, Benotung[Bearbeiten | Quelltext bearbeiten]
Es gibt keinen Test, das Projekt und die Präsentationen waren ausreichend.
Dauer der Zeugnisausstellung[Bearbeiten | Quelltext bearbeiten]
Auf die Bewertungen der Hausübungen musste man sehr lange warten, bei uns wurde eine Hausübung nie in Moodle eingetragen. Auch auf die Note der LV musste man relativ lange warten, allerdings weiß man eh schon relativ genau, was man eigentlich jeweils hat, nachdem man ja präsentiert hat. Also ist das nicht so ein großes Problem.
Zeitaufwand[Bearbeiten | Quelltext bearbeiten]
Je nach Vorkenntnissen, schon hoch (aber für 6 ECTS definitiv angebracht!), aber nachdem man das Projekt selbst auswählen kann, macht es viel Spaß.
Unterlagen[Bearbeiten | Quelltext bearbeiten]
sind im Moodle zu finden ...
Ich kann noch diese Seite empfehlen, falls mehr Informationen über die QR Iteration benötigt werden: https://www.cs.utexas.edu/users/flame/laff/alaff/chapter10-qr-algorithm-part-1.html Dort gibt es Vorlesungen auf Youtube.
Tipps[Bearbeiten | Quelltext bearbeiten]
noch keine vorhanden
Verbesserungsvorschläge / Kritik[Bearbeiten | Quelltext bearbeiten]
Diese Lehrveranstaltung war meiner Meinung nach eine der besten, die ich jemals besucht habe! Man hatte extrem viele Freiheiten! Hat wirklich viel Spaß gemacht.
- Die Angaben der Hausübung sind nicht immer eindeutig. Deshalb: früh genug die Angabe ansehen und Fragen stellen.