MIDS Logo

Herzlich Willkommen auf der Seite
der Professur für Datenassimilation

Um Unwetterereignisse oder das Abschmelzen des Eises in der Arktis vorhersagen zu können, müssen Informationen in Form von heterogenen Daten mit numerischen Modellen dynamischer Systeme verbunden werden. Dies geschieht durch die Datenassimilation, die es ermöglicht, Prozesse besser zu untersuchen und ihre weitere Entwicklung vorherzusagen.  Im Bereich der Datenassimilation beschäftigt sich die Professur mit der Fortentwicklung von Data Science Algorithmen durch die Einbeziehung von physikalischen Erhaltungsgesetzen und der Lösung entsprechend großer  Optimierungsprobleme in den Umweltwissenschaften.  Die Quantifizierung der Unsicherheiten von Vorhersagen, numerischen Modellen und Beobachtungen spielt hier ebenfalls eine zentrale Rolle. 

Über uns

Prof. Janjic stellt sich und den Lehrstuhl vor

Vorschaubild Tijana Janjic

Bitte beachten Sie: Durch Klicken auf die Bildfläche geben Sie Ihre Einwilligung, dass Videoinhalte von YouTube nachgeladen, Cookies von YouTube/Google auf Ihrem IT-System gespeichert und personenbezogene Daten wie Ihre IP-Adresse an Google weitergegeben werden. Klicken Sie nach Beendigung des Videoinhaltes auf ein anderes Video, öffnet sich in einem neuen Tab Ihres Browsers YouTube und erfasst weitere Daten von Ihnen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen und unter Google Privacy .

Neuigkeiten aus der Mathematik

Data Lab

In diesem Sommer startet unser erster Data Science Jahrgang in sein viertes Semester und das bedeutet Premiere für das Data Lab.

In verschiedensten Gruppen können die Studierenden Ihr Fachwissen anhand realer Daten verfeinern und erste Erfahrungen bei externen Projektpartnern wie AUDI oder AIXELO sammeln. Am Ende werden die Arbeiten bei einer Präsentation vorgestellt. Um über die unterschiedlichen Projekte zu informieren gab es letzte Woche im Georgianum eine Infoveranstaltung, bei der alle Supervisoren Ihre Themen vorgestellt haben. Anschließend teilten sich die Studierenden auf folgende Projektgruppen auf:

  • Data-driven prediction of the time-to-sell of used cars/ leasing returns 
  • Deep learning for predicting properties of metal-organic frameworks 
  • Comparison of different methods for Recommender Systems on MovieLens Datasets 
  • Sudoku solver 
  • Discrete (Fast) Fourier Transform and their minors
  • Dimension reduction
  • Parameter and its uncertainty estimation
  • Data science methods for geo data
Data Lab Vorstellung Marcel Oliver

Mathematisches Institut für Maschinelles Lernen und Data Science

Logo MIDS

Die Heisenberg Professur ist Teil des Mathematischen Instituts für Maschinelles Lernen und Data Science, kurz MIDS.
Finden Sie alle Informationen rund um das MIDS hier.