Mathematische Einführung in das Compressed SensingModulbeschreibung #20218 / Version 4
- 10 LP
- Mündliche Prüfung
- Benotet
- Winter- und Sommersemester
- Deutsch
| Modul / Version | #20218 / #4 |
|---|---|
| Gültigkeit | Seit WiSe 2023/24 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 10 |
| Modulverantwortliche*r | Mehl, Christian |
| Benotung | Benotet |
| Prüfungsform | Mündliche Prüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät II |
|---|---|
| Institut | Institut für Mathematik |
| Fachgebiet | Keine Angabe |
Kontakt
| Sekretariat | MA 5-4 |
|---|---|
| Ansprechpartner*in | Keine Angabe |
| E-Mail-Adresse | Kutyniok@math.tu-berlin.de |
| Webseite | Keine Angabe |
Lernergebnisse
The students will understand the mathematical concepts of Compressed Sensing. They should get familiar with basic methods of modern numerics, like the use of random matrices. They will be able to implement the most important parts of the theory also in some numerical software, like Matlab.
Lehrinhalte
We shall present the basic concepts of the theory of Compressed Sensing, as proposed and developped recently by Terence Tao, David Donoho, Emanuel Candes and other prominent mathematicians. Especially, we shall pay attention to the interplays and connections between this field and other related fields of mathematics, like functional analysis, high-dimensional geometry, numerical analysis, stochastics, and numerical linear algebra.
The topics we shall discuss in detail include in particular: sparsity and solutions to underdetermined linear systems, basis pursuit, null space property, coherence and restricted isometry property, Gaussian random matrices, Gelfand widths, Johnson-Lindenstrauss embedding, low-rank matrix recovery
The topics we shall discuss in detail include in particular: sparsity and solutions to underdetermined linear systems, basis pursuit, null space property, coherence and restricted isometry property, Gaussian random matrices, Gelfand widths, Johnson-Lindenstrauss embedding, low-rank matrix recovery
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Mathematical Introduction to Compressed Sensing | Vorlesung | 3236 L 268 | Winter- und Sommersemester | [en, de] | 4 | ISIS |
Arbeitsaufwand und Leistungspunkte
Mathematical Introduction to Compressed Sensing (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor- und Nachbereitung | 15 | 10 h | 150 h |
| 210 h | |||
Lehrveranstaltungsunabhängiger Aufwand
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Prüfungsvorbereitung | 1 | 90 h | 90 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 300 Stunden. Damit umfasst das Modul 10 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Vorlesungen
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Dieses Modul hat keine wünschenswerten Voraussetzungen für die Lehrveranstaltungen.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Mündliche Prüfung |
| Sprache | Englisch, Deutsch |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Standard.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Mathematik Bachelor Mathematik 2014 | SoSe 2025 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung |
| WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| Mathematik StuPO 2014 | SoSe 2025 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung |
| WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| Technomathematik StuPO 2014 | SoSe 2025 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung |
| WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| Technomathematik StuPO 2014 | SoSe 2025 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung |
| WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| Wirtschaftsmathematik StuPO 2014 | SoSe 2025 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung |
| WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| Wirtschaftsmathematik StuPO 2014 | SoSe 2025 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung |
| WiSe 2025/26 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| SoSe 2026 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung | |
| WiSe 2026/27 | Vertiefung Mathematik › Fortgeschrittene Module - Differentialgleichungen, Funktionalanalysis, Nichtlineare Optimierung, Modellierung |
Sonstiges
[Contains machine generated translations 2026-07-07 11:17, only the German version is legally binding]