Fallstudien Diskrete/Nichtlineare Optimierung

Achtung: Bewerbungsschluss am Sonntag, den 05. März 2023!

Die Teilnehmenden arbeiten in kleinen Gruppen von typischerweise vier Personen. Zur Projektarbeit gehört es, das Problem mathematisch zu beschreiben, zu modellieren und seine wesentlichen Eigenschaften herauszuarbeiten. Auf dieser Basis entwickeln Sie anschließend mögliche Lösungsansätze, die Sie prototypisch implementieren und an realen Daten testen. Ihre Ergebnisse präsentieren Sie dabei sowohl intern als auch extern. Die Studierenden erhalten eine intensive Betreuung und individuelle Unterstützung.

Im Rahmen der Fallstudien bieten wir Ihnen Einführungen in Soft Skills wie Präsentationstechniken, Projektplanung und Teamorganisation. Ein besonderer Schwerpunkt liegt auf der Verbindung der Mathematik mit einer konkreten Anwendung. Dabei trainieren Sie auch Fortschritte und Ergebnisse in Ihrem Projekt Personen aus anderen Disziplinen und mit anderem Bildungshintergrund vorzustellen.

Fallstudien Diskrete/Nichtlineare Optimierung 2023

Wir bieten im Sommersemester 2023 voraussichtlich je 3 Projekte aus der diskreten bzw. nichtlinearen Optimierung an, die in Kooperation mit verschiedenen Industriepartnern oder anderen Forschungseinrichtungen durchgeführt werden.

Die Veranstaltung richtet sich an Masterstudierende der Fachbereiche Mathematik, insbesondere an Studierende der Studiengänge "Mathematics in Operations Research", "Mathematik" mit Studienschwerpunkt "Optimierung" und "Mathematics in Science and Engineering".

Vorbesprechung

Details zum Ablauf der Fallstudien, zur Bewerbung und zu den geplanten Projekten haben wir in einer Vorbesprechung vorgestellt. Falls Sie nicht teilnehmen konnten, finden Sie hier das wichtigste Material:

• Folien (gekürzt) aus der Vorbesprechung
• Videomitschnitt der Vorbesprechung (bitte melden Sie sich ggf. vorab für den Moodle-Infokurs an, um Zugriff zu erhalten)

Projekte

Wir bieten im Sommersemester 2023 voraussichtlich folgende Projekte an:

• Optimal Routing of Trains (nonlinear optimization)
• Learning in Spiking Neural Networks  (nonlinear optimization)
• Parameter Estimation from Measurements with Position Noise  (nonlinear optimization)
• Order Batching in Retail Logistics (discrete optimization)
• Charging Infrastructure for E-Mobility (discrete optimization)
• School Timetabling (discrete optimization)

Eine Kurzbeschreibung der Projekte finden Sie im Videomitschnitt aus der Vorbesprechung (s. oben).

Bewerbung

Bitte schicken Sie Ihre Bewerbung bis spätestens 05. März 2023 per E-Mail an michael.ritter (at) tum.de. Die Bewerbung sollte folgende Angaben enthalten:

• Name, Studiengang und Fachsemester (im Sommersemester 2023)
• relevante Vorlesungen (Optimierung und ggf. andere Gebieten, die Sie für relevant halten), die Sie erfolgreich belegt haben oder gerade belegen
• Programmierkenntnisse (welche Programmiersprachen beherrschen Sie, ggf. auf welchem Niveau, welche relevanten Kurse haben Sie belegt, welche Projekte haben Sie ggf. schon umgesetzt)
• Ggf. Fähigkeiten, die Sie für Ihre Lieblingsprojekte für besonders relevant halten.
• Sprachkenntnisse (insbesondere Englisch / Deutsch), Kenntnisse / Fähigkeit in Organisation, Projektmanagement oder ähnlichen Gebieten
• Rangliste Ihrer bevorzugten Projekte (d.h. welches Projekt würden Sie am liebsten machen, welches ggf. auf Platz 2, etc.) - Sie können beliebig viele Projekte aus beiden Case Studies-Veranstaltungen in Ihrer Rangliste aufführen.
• Falls Sie ein Projekt gerne mit Kommilitonen belegen möchten, teilen Sie uns das gerne mit (und bitten Sie die Kommilitonen, auch Ihren Namen in deren Bewerbung zu nennen). Wir werden versuchen, Ihre Wünsche zu berücksichtigen, garantieren können wir es aber nicht.