Autor: Nicole Megow

Iris Bockermann

Unterrichtssprache: Deutsch

Credit Points: keine

Kursbeschreibung:

Wir nutzen generative KI, um Selfies in feinlinige, strukturierte Porträts zu verwandeln. Diese digitalen Muster übertragen wir anschließend mithilfe von Lasergravur und Techniken der Druckgrafik in die physische Welt. Im Workshop schlagen wir eine Brücke zwischen abstrakten Algorithmen und haptischer Gestaltung. Gemeinsam erkunden wir die Materialität von Informatik, reflektieren digitale Bildrepräsentationen und fragen, wie Maker-Praktiken helfen können, die scheinbar selbstverständlichen Formen algorithmischer Bildproduktion sichtbar zu machen, kritisch zu hinterfragen und neu zu gestalten.

Voraussetzungen: Keine

Biographie: Iris Bockermann

Franziska Eberle & Nicole Megow

Unterrichtssprache: Englisch

Credit Points: 1 CP nach Absprache mit den Dozentinnen

Kursbeschreibung:

Many powerful optimization methods assume that all input data is known in advance, but this is rarely true in modern applications such as logistics, production planning, cloud computing, networking, and energy-aware scheduling. In these settings, processing times, demands, transit times, bandwidth, or energy requirements may be unknown, uncertain, or rapidly changing. This course, introduces algorithmic models and techniques for dealing with such incomplete information. We will study online optimization, where decisions must be made immediately as input arrives, as well as selected stochastic models that use historical data to reason about uncertainty. A particular focus will be on recent approaches that combine classical algorithm design with machine learning, using predictions to improve performance while preserving rigorous guarantees even when these predictions are inaccurate.

Voraussetzungen:

Keine

Biographie: Franziska Eberle

Franziska Eberle leitet eine unabhängige MATH+ Junior Research Group am Institut für Mathematik der Technischen Universität Berlin. Vor ihrem Wechsel an die TU Berlin im Jahr 2023 war sie als Research Officer an der London School of Economics and Political Science tätig. Sie promovierte 2020 an der Universität Bremen und absolvierte sowohl ihren Bachelor in Mathematik als auch ihren Master in Mathematics for Operations Research an der Technischen Universität München. Ihr Forschungsschwerpunkt liegt auf kombinatorischer Optimierung unter Unsicherheit, insbesondere auf Online- und stochastischer Optimierung.

Biographie: Nicole Megow

Nicole Megow ist Professorin für Kombinatorische Optimierung am Fachbereich Mathematik und Informatik der Universität Bremen. Sie studierte Mathematik an der TU Berlin und am MIT und promovierte an der TU Berlin. Vor ihrer Zeit in Bremen war sie unter anderem am Max-Planck-Institut für Informatik in Saarbrücken und an der TU München tätig. Ihr Forschungsgebiet sind Algorithmen und Optimierung unter Unsicherheit.