Moses - Modulbeschreibung ohne Titel

Zur Modulseite PDF generieren

Modul / Version
#40978 / #1

Gültigkeit
SoSe 2020 - SoSe 2022

Verfügbare Sprache(n)
English

Titel des Moduls
Applications of the Probabilistic Method

Leistungspunkte
6

Modulverantwortliche*r
Schaefer, Rafael

Benotung
Benotet

Prüfungsform
Mündliche Prüfung

Lehrsprache(n)
English

Zugehörigkeit

Fakultät
Fakultät IV

Institut
Institut für Telekommunikationssysteme

Fachgebiet
34331900 FG Informationstheorie und deren Anwendungen

Prüfungsausschuss
Keine Angabe

Kontakt

Sekretariat
HFT 6

Ansprechpartner*in
Günlü, Onur

E-Mail-Adresse
rafael.schaefer@tu-berlin.de

Webseite

http://www.commit.tu-berlin.de/menue/lehre/parameter/en/

Diese Modulbeschreibung ist nicht oder nicht vollständig auf deutsch hinterlegt.

Es wird stattdessen der Inhalt der folgenden Sprachversion angezeigt: Englisch.

Klicken Sie hier um die Inhalte der fehlenden oder unvollständige Sprachversion (Deutsch) anzuzeigen

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum SoSe 2020 - SoSe 2022.

Lernergebnisse

After completing the module the students will have a solid understanding of the probabilistic method and its applications in various information systems including analyzing randomized algorithms used in information theory, coding theory, information and differential privacy, machine learning, wireless communications, gambling, and data systems. They will get familiar with the current literature in the field and will be able to analyze, apply, and develop probabilistic inequalities as a proof technique to show the existence (and sometimes construction) of randomized algorithms that achieve a claimed performance in various network topologies.

Lehrinhalte

This course aims to expose students to powerful tools and ideas from probability theory that are not commonly covered in undergraduate probability courses or graduate courses on stochastic processes. The focus of the lecture will not be on randomized algorithms, but on the most recent applications of probabilistic methods in hot topics! The course begins by a number of examples to motivate probabilistic thinking. We then discuss probability inequalities with an emphasis on advanced versions of Chernoff bounds (both the additive and multiplicative forms). Applications of these bounds in Information Theory, Information Security, and Machine Learning will be extensively discussed. Then, we introduce martingales that allow us to obtain more powerful concentration inequalities than Chernoff bounds. Applications of martingales in Gambling, (Polar) Coding Theory used in 5G, Hypothesis Testing, and DNA Pattern Matching will be given as examples. Next, we talk about “Balls into bins” and the Poisson approximation method. Finally, we plan to go into the details of the probabilistic method such as the basic counting argument, the expectation argument, the second moment method, and the Lovász local lemma. Previous knowledge expected - A course on probability theory (although a brief recap will be given at the beginning)

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Applications of the Probabilistic Method	UE	34331900 L 004	WiSe/SoSe	en	1
Applications of the Probabilistic Method	VL	34331900 L 003	WiSe/SoSe	en	3

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Applications of the Probabilistic Method (UE):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Attendance	15.0	1.0h	15.0h
Pre/post processing	15.0	4.0h	60.0h
			75.0h(~3 LP)

Applications of the Probabilistic Method (VL):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Attendance	15.0	3.0h	45.0h
Pre/post processing	15.0	4.0h	60.0h
			105.0h(~4 LP)

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

The module consists of conventional frontal teaching in class using slides and blackboard, developing theoretical and mathematical concepts and an oral examination.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Prerequisite for participation to courses are a mathematical background at the level of beginning MS students in Electrical Engineering and an undergraduate level background in probability theory.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Oral exam

Sprache(n)

English, German

Dauer/Umfang

30 minutes

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 40.

Anmeldeformalitäten

Course teaching and organization is supported by an ISIS course. Module examination enrollment is done via QISPOS.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
M. Mitzenmacher, E. Upfal, Probability and computing: Randomized algorithms and probabilistic analysis. Cambridge University Press, 2005.
N. Alon, J. H. Spencer, The probabilistic method. John Wiley & Sons, 2004.
R. Motwani, P. Raghavan, Randomized algorithms. Cambridge University Press, 1995.

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Verwendbarkeit: Studiengebiete: Kommunikationssysteme und Informationssysteme WiIng