Info! Der Studienführer sucht dringend nach Nachfolgern, die sich bei dem Projekt engagieren möchten. Hast du Lust das Thema Webentwicklung zu entdecken? Hast du Ideen für coole neue Features? Dann lies hier weiter!

Einführung in die Stochastische Optimierung

Kennung: T-WIWI-106546

Sommer

4,5 ECTS

Deutsch
Level
Bachelor: Vertiefung
Master
Prüfungsart
Prüfungsleistung schriftlich

Stand der Informationen: Modulhandbuch WiSe 23/24 (05.12.23)

Über diese Veranstaltung wissen wir bisher leider noch gar nichts -
sei der Erste, der sie bewertet!

5 von 7 würden diese Veranstaltung weiterempfehlen.
Gesamtbewertung: 6.6 / 10

Vorlesung


Relevanz des Vorlesungsbesuches
Hinblicklich: Folien selbsterklärend, Vorlesung behandelt zusätzlichen Stoff
Nicht Prüfungsrelevant Sehr prüfungsrelevant
Gestaltung der Vorlesung
Uninteressant Sehr interessant
Qualität der Vorlesungsmaterialien
Hinblicklich: Vollständigkeit, Struktur
Materialien schlecht Materialien gut

Prüfung


Reproduktion Transfer
Nicht rechenlastig Sehr rechenlastig
Aufwand < ECTS Aufwand > ECTS
Prüfungsvorbereitung schlecht Prüfungsvorbereitung gut
Reproduktion Transfer
Nicht rechenlastig Sehr rechenlastig
Aufwand < ECTS Aufwand > ECTS
Prüfungsvorbereitung schlecht Prüfungsvorbereitung gut

Online Klausur

Fragen

Gibt es irgendwelche online tests, die man bestehen muss, um für die Klausur zugelassen zu sein?
JuliusU | vor 1 Jahr
Keine Antworten zum Anzeigen vorhanden
Wie fiel die Klausur die letzten Jahre aus? Wie hoch ist der Anteil an Punktesammelaufgaben zu Beweisaufgaben? Sind die Beweisaufgaben Reproduktion und machbar mit Kenntnis der Übungen?
Finn123 | vor 1 Jahr
Keine Antworten zum Anzeigen vorhanden
Wie lernt man am besten? Beweise, Modelle, etc. möglichst auswendig können? Kann man irgendwas üben oder hauptsächlich auswendig lernen?
Wäre cool, wenn jemand ein bisschen berichten könnte :-)

xyz123 | vor 3 Jahren

Hey, ich kann nur aus eigener Erfahrung sprechen, dass das reine Auswendig lernen einen recht niedrigen Ertrag an Punkten gibt. Ich würde mal raten, dass es je nach Aufgabentyp bei RP, WWS, EV, EEV etc. punkten, indem man lernt in welcher Situation welches größer/kleiner ist. Ist aber riskant, weil man es eventuell auch herleiten muss (Aufgabentyp abhängig halt).
Eine Aufgabe wird mit Lagrange relaxierung bzw L-shaped method auch zum rechnen sein. Da kann man zeit rausholen, wenn man es gerechnet hat und runterrechnen kann. Macht aber auch nicht so einen großen Teil der Punkte aus.
Tendenziell ist es recht wichtig die Strukturen zu verstehen und basics sollte man natürlich auch drauf haben (z.B. wissen was die extensive form ist).

Hoffe es kommt noch rechtzeitig und hilft dir noch.

Yingkai | vor 3 Jahren

Wie ist das Passwort für den Kurs?
Tamanah | vor 4 Jahren

Es ist EinfSOPSS19 :). Danke

Tamanah | vor 3 Jahren

https://docs.google.com/spreadsheets/d/12ChFOjD5isXYFWIHR4Qlh_nKkv9lVWuY5GqW2HJFqmc/htmlview#gid=0

Da steht, dass das PW für das SS18 EinfSOPSS18 war. Vielleicht ist es jetzt EinfSOPWS1920?

julian | vor 4 Jahren

Hallo zusammen, ist die Klausur auch ohne Vorlesungs- und Übungsbesuch gut machbar? Schreibt Prof. Rebennack (außer auf den annotierten Folien) noch etwas an die Tafel das wichtig ist? Vielen Dank!
ZLOAN | vor 4 Jahren

Wenn du allgemein in OR/Mathe gut bist, kannst du sicher mit den beschrifteten Folien bestehen. Ich glaube aber, dass der Vorlesungsbesuch sehr wichtig ist, um einen besseren Zusammenhang zwischen den Folien/Themenbereichen zu bekommen und somit auch besser zu sein als nur zu bestehen.

Yingkai | vor 3 Jahren


Alle Fragen aufklappen (Scrollbar entfernen)

Kommentare und Einzelbewertungen


5+

Das Thema der Vorlesung ist wirklich sehr sehr interessant! Leider hatte ich das Gefühl, dass die eigentliche Stochastische Optimierung etwas unter den Tisch fällt, da viele Verfahren und Teilthenen behandelt werden, die für mich nicht wirklich was mit der Sache zu tun haben (wenn dann wirklich sehr sehr entfernt verwandt...). Prof. Rebennack hatte für fragen stets ein offenes Ohr und konnte den Stoff unter 4 Augen in wenigen Minuten teilweise besser erklären, als in der Vorlesung.

Die Übung war in meinen Augen eine Katastrophe. Übungsleiter mit vielen Fehlern. Sprach man ihn darauf an, reagiert er oft gereizt/genervt. Die (versprochenen!) Lösungen zu den Übungen - notwendig, da fehlerhaft und unleserlich - kamen teilweise erst 10 Wochen nach der ersten Übung...

Die Klausur an sich war wirklich fair. (Machbare) Verständnisfragen, Anwenden der Algorithmen und verfahren aus der übung.

Alles in allem merkt man, dass die VL noch recht jung ist. Sie hat Potential, was damals bei mir (ss18) leider nicht ausgeschöpft wurde.

Semester der Prüfung: SS18


__AG__ | vor 5 Jahren

4+

Da muss man schon Lust drauf haben. Empfand es als sehr eklig zu lernen.

Semester der Prüfung: SS20


Angsthengst | vor 3 Jahren

3+

Sehr interessante Veranstaltung. Die VL ist sehr gut aufgebaut,z.B. die Beweise am Anfang braucht man später wieder für andere Beweise oder z.B. um die Funktionsweise der Algorithmen zu verstehen. Fande das war sehr gut aufeinander aufgebaut.
VL Besuch ist sehr wichtig, da nur dort alles sehr gut erklärt wird. Herr Rebennack erzählt auch viele anschauliche Beispiele, damit man den Kontext besser versteht.
Die Klausur war gut machbar, es wurde aber sehr viel Verständnis abgefragt. (z.B. es reicht nicht nur die Algorithmen rechnen zu können, sondern man muss auch verstehen was dort passiert).

Semester der Prüfung: SS19

Der Kommentator würde diese Veranstaltung empfehlen.

WIWIboss | vor 4 Jahren

3+

Das wichtigste ist sich erstmal nicht abschrecken zu lassen. Wenn man sich das erste mal die Folien und Übung anschaut, scheint alles viel komplizierter als es ist. Ich empfehle die Übung zu besuchen. In der Klausur wird hauptsächlich das Verständnis der Theorie geprüft, kaum Rechenaufgaben selbst. An sich sehr interessant und wirklich nicht so kompliziert wie es aussieht, man muss sich nur die Zeit nehmen sich einzulesen.

Semester der Prüfung: WS19-20

Der Kommentator würde diese Veranstaltung empfehlen.

Kitkat | vor 4 Jahren

3+

Das Fach ist Inhaltlich nicht so viel. Es ist recht empfehlenswert unterm Semester am Ball zu bleiben und Fragen zu stellen, da aus den Folien und den Übungen alleine nicht alles klar wird. Außerdem werden einem die Fragen sehr verständlich erklärt.
Es sind auch großteils sehr faire Prüfungen. Wenn man stur alle Herleitungen (Wertefunktion) und Ungleichungen (Wert der Stochastischen Lösung) auswendig lernt, kann man schon sehr viele Punkte sammeln. Es ist trotzdem besser, wenn man auf Verständnis lernt. Meist gibt es eine Aufgabe zur Wertefunktion, eine zum Wert der Lösung, eine zur L-Shaped method/Lagrange Relaxierung. Sollte man dennoch in die Mündliche Prüfung müssen, gestaltet sich diese auch sehr human.

Semester der Prüfung: SS19

Der Kommentator würde diese Veranstaltung empfehlen.

Yingkai | vor 3 Jahren

2+

Insgesamt ist die Veranstaltung interessant aufgebaut. Der gesamte Stoff ist nicht so umfangreich wie man es aus anderen OR Veranstaltungen gewohnt ist. In dieser Veranstaltung gibt es lediglich 3 Algorithmen die man können muss. Jedoch beinhaltet die Übung auch viele Beweise- hier ist das Verständnis des Stoffes gefragt. Insgesamt gibt es leider nicht sehr viele Übungsmaterialien, was die Klausurvorbereitung sehr erschwert. Die Klausur ist anspruchsvoll, wird jedoch fair benotet.

Semester der Prüfung: SS21

Der Kommentator würde diese Veranstaltung empfehlen.

Bassi113 | vor 2 Jahren

2+

Nur was für echte OR-Freaks. Prof. Rebennack stellt hohe Anforderungen und der Stoff ist sehr rechenlastig.
Leider merkt man, dass die VL noch im Aufbau ist, denn immer wieder schleicht sich ein Fehler ein.
Der Übungsleiter ist leider nicht sehr motiviert.

Semester der Prüfung: SS18

Der Kommentator würde diese Veranstaltung empfehlen.

MaxSta123 | vor 5 Jahren
Wir haben die Veranstaltung deinen Favoriten hinzugefügt.
Wir haben die Veranstaltung aus deinen Favoriten entfernt.
Wir konnten die Veranstaltung leider nicht deinen Favoriten hinzufügen. Bitte überprüfe deine Internetverbindung.
Wir konnten die Veranstaltung leider nicht aus deinen Favoriten entfernen. Bitte überprüfe deine Internetverbindung.