Funktionalanalys, TATM85
"Ni kommer att lära er tänka utanför boxen, upptäcka egenskaper som ni inte trodde var möjliga och se ”välbekanta” begrepp med helt nya ögon. Samtidigt tränar kursen rigoröst tänkande och logiska resonemang. Små exempel på tillämpningar kommer också ges"
– Jana Björn, examinator.
Funktionalanalytiska metoder och resultat är viktiga inom många olika områden av matematik och dess tillämpningar, exempelvis inom fysik där själva grundvalarna för kvantmekaniken utgörs av analys av operatorer på hilbertrum – en viktig del av funktionalanalysen. Kursen TATM85 är en introduktion till funktionalanalysen och är värdefull för den som vill skärpa sin logiska förmåga och ytterligare bredda sin matematiska bas.
Illustration av graffärgningsproblemet, som exempelvis uppkommer vid färgläggning av en karta. Matematiskt kan det representeras av en oriktad graf i vilken man färglägger noderna så att inga angränsande noder får samma färg. Planeringsproblem som kan beskrivas som graffärgningsproblem uppkommer inom exempelvis produktionsplanering och resursallokering, och kursen behandlar en metod som kan lösa dem.
Optimering av stora system, TAOP34
"Kursen vill ge en ökad förståelse för hur matematisk optimering kan användas för att lösa praktiska beslutsproblem, och ger även en bättre grund för ett examensarbete med inriktning mot optimering."
– Torbjörn Larsson, examinator
Många optimeringsmodeller, till exempel inom produktionsstyrning och logistik, är till sin natur komplexa och innehåller ett mycket stort antal variabler eller bivillkor. Sådana modeller kan ofta inte angripas med standardprogramvara för optimering. Istället är det ofta möjligt att konstruera specialiserade lösningsmetoder. Kursen ger en orientering om vanligt förekommande strukturer hos storskaliga optimeringsmodeller och några principer för konstruktion av lösningsmetoder för sådana modeller. Den ger även exempel på sådana metoder för realistiska tekniska och ekonomiska tillämpningar.
Statistisk modellering med regressionsmetoder, TAMS41
"Visste du att regression inte är är något annat än maskininlärning? I den här kursen får du lära dig grunderna för flera regressionsmodeller och hur du bäst kan anpassa dessa till verkliga data."
– Martin Singull, examinator
Med hjälp av regressionsmetoder vill man bland annat prediktera/förutsäga en responsvariabel med hjälp av ett antal prediktorer (förklaringsvariabler). Statistisk modellering med regressionsmetoder är en kurs som tar avstamp i klassiska linjära modeller, det vill säga multipel linjär regression samt enklare faktormodeller, då vi undersöker skillnader mellan flera grupper. När kursen är klar har även ickelinjär regression så som logistisk (binära utfall) eller Poisson (antalet gånger en händelse inträffar) regression behandlats. I verkliga analyser är det viktigt med rätt modellval, det vill säga göra ett motiverat urval vilka prediktorer som ska vara med i modellen. Fokus i kursen är ett antal moderna metoder för modellval - Ridge, Lasso, PCR och PLS.