Das Seminar wird als Blockseminar durchgeführt, unter Umständen online.

Ort und Zeit:

• erstes Treffen (Einführung und Paperverteilung): TBA zu Beginn des Semesters, 10-12, ZIB (Takustr. 7), Seminarraum 2006 (Erdgeschoss)
• zweites Treffen (Kurzvorträge): TBA (Termin wird beim ersten Treffen festgelegt) in der Mitte des Semesters, vermutlich am ZIB, eine Stunde
• drittes Treffen (Seminarvorträge): TBA (Termin wird beim ersten Treffen festgelegt) je nach Teilnehmerzahl an einem oder zwei Tage am Ende des Semesters

Studentinnen und Studenten sollten Grundkenntnisse in Optimierung und Diskreter Mathematik haben.

Beim zweiten Treffen sollen Sie einen Kurzvortrag (max. 5 Minuten) über Ihr Thema halten.

Der Vortrag soll eine Literaturrecherche einschließen, die mindestens eine Vorwärts- und eine Rückwärtssuche einschließt.

Zur efolgreichen Teilnahme gehört die Anfertigung einer Ausarbeitung der wesentichen Inhalte Ihres Vortrages in professioneller Qualität (LaTeX, 5 Seiten). Die Ausarbeitung muss 14 Tage vor dem dritten Termin an Ihren Betreuer in elektonischer Form bei Ihrer Betreuerin oder Ihrem Betreuer vorliegen. Sie wird Ihnen eine Woche vor dem Präsentationstermin benotet und korrigiert zurückgegeben, damit Sie bereits vor dem Vortrag ein Feedback haben.

Das eigentliche Seminar findet als Blockseminar je nach Anzahl an Studierenden an einem oder zwei Tagen in der letzten Semesterwoche statt. Die Vorträge sollen eine Dauer von 45 Minuten haben, so dass noch 15 Minuten Zeit für eine Diskussion bleibt. Die Teilnahme am *gesamten* Blockseminar (nicht nur an dem Tag, an dem man selbst vorträgt) und die rechtzeitige Abgabe der Ausarbeitung sind notwendige Bedingungen für ein Bestehen des Seminars.

Die Endnote setzt sich zu 60% aus dem Vortrag und 40% aus der Ausarbeitung zusammen.

Schließen

The combination of methods from combinatorial optimization and machine learning offers a potential to deal with fluctuations in suppy and demand, to master operational problems such as delays etc. The idea is that smart strategies that involve data based anticipation of future developments will lead to better decisions.This seminar will study such methods on the interface between optimization and machine learning by means of a selection of recent research papers. We will focus on applications in air and train freight management with particularly large potentials.

 

Schließen