Seminare & Workshops für Promovierende

Das Graduiertenzentrum MSE bietet regelmäßig Seminare und Workshops für Promovierende an. Die Teilnahme ist für alle Promovierenden der TUM kostenlos möglich.

Wissenschaft verständlich vermitteln

„Und was machst Du so?“ Diese Small-Talk-Frage bringt so manche Wissenschaftler oder Wissenschaftlerinnen an ihre Grenzen. Doch nicht nur Familie, Freunde und Bekannte sollen verstehen, an was Ihr den ganzen Tag forscht. Vor allem für Eure berufliche Zukunft ist es wichtig, dass Ihr Eure Forschungsprojekte für jeden verständlich präsentieren könnt: Vom Partner in interdisziplinären Forschungsprojekten über die Gutachter von Stipendien-programmen bis hin zu potentiellen Arbeitgebern. Forschung ist zudem immer in den gesellschaftlichen Kontext eingebunden. Die Umsetzung einer Idee hängt dabei nicht nur von der wissenschaftlichen Exzellenz, sondern auch von der gesellschaftlichen Akzeptanz ab. Daher ist es wesentlich, Ergebnisse korrekt und verständlich formulieren zu können.

Am Ende dieses Workshops habt Ihr für jeden eine Antwort parat. Dazu klären wir folgende Fragen:

  • Was genau möchte ich vermitteln? Was sind die Kernaussagen meiner Arbeit?
  • Welche Zielgruppen gibt es, welche sind für Euch relevant und was zeichnet sie aus?
  • Wie schaffe ich es, dass mein Gegenüber oder der Leser/die Leserin mir bis zum Ende folgen kann? Wo und warum genau gibt der andere dabei auf?
  • Schwerpunkt Schreiben: Was macht einen guten „Erklär“-Text aus? Wie ist er aufgebaut und was muss ich bei der Sprache beachten?

 

Datum: wird in Kürze bekannt gegeben (4 Stunden, ein Vor-oder Nachmittag)

Ort: ZEI, Lichtenbergstraße 4a, 85748 Garching (voraussichtlich als Präsenzveranstaltung)

Die Veranstaltung wird in deutscher Sprache kostenfrei angeboten durch das Excellenzcluster e-conversion und wird vom GC MSE als allgemeinbildende Veranstaltung anerkannt.

Anmeldung über birgit.ziller@e-conversion.de, die Platzanzahl ist begrenzt.

Using R for Regression Analysis

Content: In this learning-by-doing course the participants will receive an introduction on how to do regression analysis in R. After an introduction of each topic, the participants will work on hands-on exercises.

Topics:

  • linear regression models
  • generalised linear regression models
  • ordinal regression models
  • linear mixed-effects models
  • multiple comparisons in linear (mixed) models

In addition the course will show how to do reproducible research by using R. Therefore we will use the knitr and rmarkdown package.

Duration: 14 hours

Date postponed: July 1 and 2, 2021 (former: June 24 and 25, 2021)

Lecturer: The course will be held by Dr. Stephan Haug (TUM)

Participants:

The course will be limited to 12 participants.

The course will be recognized as a subject-specific course by the Graduate Centre MSE.

Please register by sending an e-mail to: graduiertenzentrum@mse.tum.de

Pre-course preparations:

Literature:

  • Agresti, A. (2002). Categorial Data Analysis. John Wiley & Sons.
  • Christensen, R.H.B. (2018). Cumulative Link Models for Ordinal Regression with the R Package ordinal.
  • Everitt, B.S. and Hothhorn, T. (2006). A Handbook of Statistical Analyses Using R. Chapman & Hall/CRC.
  • Fahrmeir, L., Kneib, T., Lang, S. and Marx, B. (2013). Regression - Models, Methods and Applications. Springer.
  • Field,A., Miles, J. and Field, Z. (2012). Discovering Statistics Using R. SAGE Publications.
  • Gałecki, A. and Burzykowski, T. (2013). Linear Mixed-Effects Models Using R - A Step-by-Step Approach. Springer.
  • Grolemund, G. and Wickham, H. (2016). R for Data Science. O'Reilly Media.
  • Wickham, H. (2009). ggplot2. Elegant Graphics for Data Analysis. Springer.

Using R for Statistical Data Analysis

Content: In this learning-by-doing course the participants will receive an introduction on how to use R for statistical data analysis. After an introduction of each topic, the participants will work on hands-on exercises.

Topics:

  • introduction to R and the RStudio IDE
  • import/export data
  • data management using dplyr
  • visualisation using ggplot2
  • hypothesis testing in R using infer
  • introduction to regression analysis in R

In addition the course will show how to do reproducible research by using R. Therefore we will use the knitr and rmarkdown package.

The course will take place virtually on 11 and 12 October 2021

Duration: 14 hours

Lecturer: The course will be held by Dr. Stephan Haug (TUM)

Participants:

The course will be limited to 15 participants.

The course will be recognized as a subject-specific course by the Graduate Centre MSE.

Please register by sending an e-mail to: graduiertenzentrum@mse.tum.de

Pre-course preparations:

Literature:

  • Grolemund, G. and Wickham, H. (2016). R for Data Science. O'Reilly Media.
  • Ismay, C. and Kim, A.Y. (2019). Statistical Inference via Data Science: A ModernDive into R and the Tidyverse. CRC Press.
  • Wickham, H. (2009). ggplot2. Elegant Graphics for Data Analysis. Springer.

Python-Workshop

The graduate center organizes a two-day Python-Workshop for the doctoral candidates of the MSE.

Day 1 of this workshop explores the language’s fundamental building blocks, to enable participants to fluently combine solve common tasks and recognize idiomatic style. Day 2 then moves to navigating and leveraging Python’s rich package ecosystem. A case study based on Pandas, the versatile data handling toolkit, concludes the course.

This is no introductory programming course. Basic familiarity with fundamental concepts (variables, functions, control flow) from another language are required. Prior knowledge of Python is not necessary, naturally.

Covered topics:

  • Language basics syntax, expressions & statements, operators, basic types (int, float, str)
  • Control flow branching, loops, and exception handling, idiomatic Python style
  • Data structures elementary compound data types (list, tuple, dict, set), operations, comprehension expressions
  • Functions as elementary building block for structuring code

— —

  • Workflow creating one’s own modules and package, the 'import' system
  • Standard library a guided tour through Python’s Standard Library
  • Numpy & Scipy for fast n-dimensional data arrays and basic algorithms
  • Pandas the go-to package for complex data handling tasks with Python
  • Case study a real-life data handling & analysis task

Work mode:

All topics are introduced through self-created Jupyter Notebooks, one per topic. The longest continuous exercise is at the end (case study). 35 % to 40 % of the time is allocated to actively write/think about code. Depending on group composition, exercises can also be approached in pairs or small groups.

The course will take place virtually on October 21 and 22, 2021.

Lecturer: Herr Dr. Johannes Dorfner

Participants:

The course will be limited to 15 participants. The participation counts as a specialist qualification by the graduate center. If the demand is not met, members from other graduate centers of the TUM may participate.

Please sign up at: graduiertenzentrum@mse.tum.de (graduate center MSE).

Optimization under Uncertainty with Applications in Energy Markets

Content:

The course introduces the principles of decision making under uncertainty with a focus on stochastic optimization and robust optimization. The theory will be complemented by numerous illustrative classical examples such as the newsvendor problem and examples from the field of energy markets. The course consists of a lecture part, where the basic principles from stochastic optimization and robust optimization are presented as well as student presentations. Students either present an academic paper that uses the methods covered in the course or methods that build on the presented material.

Syllabus:

a. Two stage stochastic optimization: concepts and tools
b. Multi-stage stochastic optimization: scenario trees and decomposition
c. Introduction to robust optimization: concepts and standard uncertainty sets
d. Robust counterparts and tractable reformulations.
e. Distributionally Robust Optimization

Tools & Requirements:

- The course is aimed at students with a clearly quantitative focus
- Knowledge about basic linear algebra, probability, and optimization is a plus
- Proficiency in MATLAB or a similar high level programming language is an advantage

Place: virtually

Dates:

20.04.2021, 11:00-13:00 (Lecture 1)

27.04.2021, 11:00-13:00 (Lecture 2)

11.05.2021, 11:00-13:00 (Lecture 3)

18.05.2021, 11:00-13:00 (Lecture 4)

25.05.2021, 11:00-13:00 (Lecture 5)

08.06.2021, 11:00-13:00 (Lecture 6)

29.06.2021, 11:00-13:00 (Presentations 1)

06.07.2021, 11:00-13:00 (Presentations 2)

Lecturer:

The course will be held by Prof. Wozabal (TUM)

Participants:

The course will be limited to 15 participants.

The course will be recognized as a subject-specific course by the Graduate Centre MSE.

Please register by sending an e-mail to: graduiertenzentrum@mse.tum.de

A Primer on Microgrids (postponed)

Content:

The subject of microgrids is becoming increasingly important as power systems shift from a centralized operation paradigm to adaptive grids that can operate either connected to the bulk power network or in a stand-alone mode. The course will cover basic concepts of design and operation of microgrids. Furthermore, the course will focus on dynamic behavior of the system and its modeling. Using the standard dynamic models, the stability characteristics of the systems will be analyzed and the appropriate control schemes that ensures stable operation will be presented.

Requirements:

A basic understanding of operation of electrical power systems is assumed. This includes good understanding of operation of basic power systems components such as generators, power lines, load, transformers etc. and basic understanding of analysis algorithms such as load flow calculations. The course heavily rely on the theory of differential equations and numerical methods for their solution.

The course is postoned until further notice.

Lecturer:

The course will be held by Prof. Dr. Rodrigo Ramos (University of Sao Paulo at Sao Carlos)

Participants:

The course will be limited to 20 participants.

The course will be recognized as a subject-specific course by the Graduate Centre MSE.

Please register by sending an e-mail to: graduiertenzentrum@mse.tum.de

 

Modelica Workshop for doctoral candidates

Content:

We will offer a basis course (6 half-days within 2 weeks) and an advanced course (3 half-days within one week).

Basic course - Topics include:

  • Introduction to Modelica & Dymola
  • Building Object-Oriented Graphical Models in Dymola
  • Simulation and Post-Processing
  • System Models and System-Wide Simulation Configuration
  • Developing Models using the Modelica Language          
  • Understanding Equation-Based Modeling         
  • Graphical Annotations, Interfaces and Documentation in Dymola
  • Building Models using the Modelica Standard Library

Basic course - Topics include:

  • System Models using the MSL and Intro to Reactive/Hybrid Systems
  • Development, Debugging and Identifying Numerical Issues
  • Reusable Modeling – Model Architectures, Templates and Interfaces
  • Model Variants and Data Management

Lecturer: Prof. Luigi Vanfretti

Date: TBC, probably December and January within the winter semester 2021/2022

Location: Virtual seminar

Registration: Please send an email to graduiertenzentrum@mse.tum.de

 

 

Abschlussarbeiten kompetent betreuen - Workshop für Promovierenden

Inhalte

Die Betreuung von Abschlussarbeiten nimmt einen Teil der Arbeit von Promovierenden ein und ist eine Aufgabe, die aufgrund der Diversität der Studierenden, Themengebiete und Ziele eine hohe Komplexität aufweist. In diesem Workshop führt die Trainerin die TeilnehmerInnen sukzessive durch den gesamten Betreuungsprozess und reflektiert mit ihnen gemeinsam die Betreuungsintensität und -qualität in den einzelnen Etappen. Ausgehend von Inputs durch die Trainerin sollen die TeilnehmerInnen basierend auf der Reflexion eigener Erfahrungen und dem jeweiligen fachlichen Hintergrund praxisnahe Hilfestellungen erhalten.

Zudem gibt es Raum, um an 1-2 konkreten, gegebenenfalls ‚kniffligen‘ Betreuungssituationen zu arbeiten. Der Kurs beinhaltet synchrone Einheiten (zwei Livesessions in Zoom) sowie asynchrone Arbeitsphasen, die eine Woche vor dem ersten Livetermin starten.

Lernziele

Am Ende des Kurses sind die TeilnehmerInnen in der Lage,

  • zentrale Faktoren einer erfolgreichen Betreuung von Studienarbeiten zu identifizieren.
  • wichtige Etappen der Begleitung einer Studienarbeit zu definieren und den Betreuungsablauf dementsprechend zu strukturieren.
  • erste Tools für das professionelle Führen von Beratungs-/Feedbackgesprächen mit Studierenden abzurufen.

Methodik

  • Interaktiver Lehrvortrag
  • Moderiertes Arbeiten in Kleingruppen
  • Selbstreflexion

Leitung: Dr. Janina Schroeder (ProLehre | Medien und Didaktik)

Es werden zwei Kurse angeboten:

Kurs im Juli:

  • Beginn asynchrone Einheiten (siehe Beschreibung Inhalte): 30.06.
  • Synchrone Termine: 07.07., 09:30 – 11:30 Uhr und 21.07., 09:30 –11: 30 Uhr oder 13:30 bis 15:30 Uhr (entsprechend der Gruppengröße wird die Gruppe am 2. Termin geteilt).
  • Anmeldeschluss 19.6.

Kurs im November:

  • Beginn asynchrone Einheiten (siehe Beschreibung Inhalte): 27.10.
  • Synchrone Termine: 03.11., 09:30 – 11:30 Uhr und 17.11., 09:30 – 11: 30 Uhr oder 13:30 bis 15:30 Uhr (entsprechend der Gruppengröße wird die Gruppe am 2. Termin geteilt).
  • Anmeldeschluss: 17.10.

Ort: Virtuelles Seminar

Kurssprache: Deutsch

Zielgruppe: Promovierende der MSE und BGU

Voraussetzung: Keine

Plätze: 6-12