Field of study
POPULARITY
Categories
Wir müssen reden! Ein Scrum Master & NLP Coach im lockeren Gespräch
Was wäre, wenn die gesamte ökonomische Theorie, auf der viele unserer Entscheidungen basieren, auf einem simplen Denkfehler beruht?
Wir sehen uns in 2 Wochen. ❤️ ➡️ Zum Buch: https://www.hallolernen.de/hallo-einschulung-alles-ueber-vorschule-und-1-klasse/➡️ Stöbere auch gerne hier:
Dass Militärs mit Mathematikern zusammenarbeiten, kommt in der Geschichte öfter vor — so auch in den 1940er-Jahren: Weil das US-Militär sehr viele Verluste bei seiner Luftwaffe verzeichnet, wendet sich die US Air Force an Wissenschaftler, darunter auch an den rumänisch-US-amerikanischen Statistiker Abraham Wald. Es geht um die Frage: Wie soll die US-Luftwaffe ihre Flieger am besten verstärken, damit diese widerstandsfähiger werden? Nun könnte man meinen, die Air Force müsse einfach analysieren, wo die zurückgekehrten Flugzeuge am häufigsten getroffen wurden — und genau an den Stellen die Maschinen verstärken. Doch das ist ein Irrglaube, ein Denkfehler infolge des sogenannten Survivorship Bias. Quelle: https://detektor.fm/wissen/geschichten-aus-der-mathematik-survivorship-bias / Bitte abonniert den Original-Podcastfeed: https://feedpress.me/detektorfm_geschichten-aus-der-mathematik
Das US-amerikanische Militär hat im Zweiten Weltkrieg ein Problem: Viele Flieger ihrer Luftwaffe kehren gar nicht oder stark beschädigt zurück. Die US Air Force bittet den Mathematiker Abraham Wald um Hilfe: Er soll mit statistischen Methoden herausfinden, wie das Militär seine Flugzeuge sicherer machen kann. Manons „Spektrum“-Artikel zum Mythos um Abraham Wald und den Survivorship Bias lest ihr hier. Wer sich tiefer in das Thema einlesen möchte, kann das hier tun: Harold Hotelling: Abraham Wald. In: The American Statistician Vol. 5, No. 1 (1951) J. Wolfowitz: Abraham Wald, 1902-1950. In: The Annals of Mathematical Statistics Vol 3, No. 1 (1952) Marc Mangel and Francisco J. Samaniego: Abraham Wald’s Work on Aircraft Survivability. In: Journal of the American Statistical Association Vol. 79, No. 386 (1984) Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:41) Der Mythos um Abraham Wald (00:08:01) Der Survivorship Bias (00:10:06) Mit Statistik zu mehr Flugzeugsicherheit (00:14:25) Walds letzter Schicksalsschlag & Demians Ratschlag (00:16:29) Fazit & Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-survivorship-bias
Das US-amerikanische Militär hat im Zweiten Weltkrieg ein Problem: Viele Flieger ihrer Luftwaffe kehren gar nicht oder stark beschädigt zurück. Die US Air Force bittet den Mathematiker Abraham Wald um Hilfe: Er soll mit statistischen Methoden herausfinden, wie das Militär seine Flugzeuge sicherer machen kann. Manons „Spektrum“-Artikel zum Mythos um Abraham Wald und den Survivorship Bias lest ihr hier. Wer sich tiefer in das Thema einlesen möchte, kann das hier tun: Harold Hotelling: Abraham Wald. In: The American Statistician Vol. 5, No. 1 (1951) J. Wolfowitz: Abraham Wald, 1902-1950. In: The Annals of Mathematical Statistics Vol 3, No. 1 (1952) Marc Mangel and Francisco J. Samaniego: Abraham Wald’s Work on Aircraft Survivability. In: Journal of the American Statistical Association Vol. 79, No. 386 (1984) Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:41) Der Mythos um Abraham Wald (00:08:01) Der Survivorship Bias (00:10:06) Mit Statistik zu mehr Flugzeugsicherheit (00:14:25) Walds letzter Schicksalsschlag & Demians Ratschlag (00:16:29) Fazit & Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-survivorship-bias
Das US-amerikanische Militär hat im Zweiten Weltkrieg ein Problem: Viele Flieger ihrer Luftwaffe kehren gar nicht oder stark beschädigt zurück. Die US Air Force bittet den Mathematiker Abraham Wald um Hilfe: Er soll mit statistischen Methoden herausfinden, wie das Militär seine Flugzeuge sicherer machen kann. Manons „Spektrum“-Artikel zum Mythos um Abraham Wald und den Survivorship Bias lest ihr hier. Wer sich tiefer in das Thema einlesen möchte, kann das hier tun: Harold Hotelling: Abraham Wald. In: The American Statistician Vol. 5, No. 1 (1951) J. Wolfowitz: Abraham Wald, 1902-1950. In: The Annals of Mathematical Statistics Vol 3, No. 1 (1952) Marc Mangel and Francisco J. Samaniego: Abraham Wald’s Work on Aircraft Survivability. In: Journal of the American Statistical Association Vol. 79, No. 386 (1984) Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:41) Der Mythos um Abraham Wald (00:08:01) Der Survivorship Bias (00:10:06) Mit Statistik zu mehr Flugzeugsicherheit (00:14:25) Walds letzter Schicksalsschlag & Demians Ratschlag (00:16:29) Fazit & Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-survivorship-bias
Evolution Radio Show - Alles was du über Keto, Low Carb und Paleo wissen musst
Schau dir das Video zu dieser Episode an: https://youtu.be/k4nQGDbKjdQYouTube Kanal gleich abonnieren und keine neue Folge mehr verpassen.ZusammenfassungIn dieser Episode spricht Julia mit Carnivore-Expertin Andrea Siemoneit über die Mythen rund um Fleisch und Pflanzen. Andrea erklärt die Facetten der carnivoren Ernährung und warum Pflanzen mit Antinährstoffen wie Lektinen und Oxalsäure problematisch sein können, die Nährstoffaufnahme blockieren und den Darm schädigen.
Wir sprechen über die Doku die wir im letzten Podcast erwähnt hatten. Die Väter Lars, ehemals angehender Gymnasiallehrer für Mathematik und Informatik und Andi aka Crocodileandy, gelernter Architekt, sind auf Umwegen zu Social Media Stars geworden. Mit Kreativität und dem Willen anderen etwas beizubringen haben sie mit Hilfe von Minecraft ihre Reichweite gewonnen. In dem Podcast "Besser als Nackt" dreht sich alles um die unverblümte Wahrheit des Lebens. Viel Spaß beim Anhören!
Es gibt eine nette Geschichte über eine junge Frau, die von daheim fortzog und aufs College ging. Nach dem ersten Semester schickte sie ihrer Mutter eine E-Mail, in der sie schrieb: „Ich erzähle dir, was in meinem Leben geschehen ist: Im College-Wohnheim langweilte ich mich. Also stahl ich 50€ von meiner Mitbewohnerin und mietete ein Motorrad. Damit fuhr ich gegen einen Telefonmast. Ich habe mir das Bein gebrochen und kann nicht am Unterricht teilnehmen. Also komme ich nach Hause und lebe bei dir und Papa.” Nachdem sie auf ‘Senden' gedrückt hatte, schickte sie sofort eine zweite E-Mail. „Mama, ich habe nur Spaß gemacht. Ich habe weder Geld gestohlen noch ein Motorrad gemietet noch einen Telefonmast gerammt oder mir ein Bein gebrochen. Und ich werde auch nicht nach Hause kommen und bei dir und Dad wohnen. Aber ich bekomme eine Vier in Mathematik und eine Sechs in Literatur, und ich wollte, dass du meine Noten im richtigen Licht siehst!” Im Ernst: Eine biblische Perspektive auf die Herausforderungen des Lebens kann dich aus Entmutigung und Verzweiflung herausführen. Paulus sagte: „Alles, was einst geschrieben worden ist, ist damit wir durch Geduld und durch den Trost der Schriften Hoffnung haben.” Für jedes deiner Probleme hat Gottes Wort einen Grundsatz, den du anwenden kannst oder eine Verheißung, die du in Anspruch nehmen kannst. Der Weg zur Überwindung von Entmutigung besteht also darin, sich mit Gottes Wort zu beschäftigen und es in sich aufzunehmen.
Anfang des 20. Jahrhunderts beginnt die Karriere des Statistiker William Sealy Gosset ganz alltagspraktisch in einer Brauerei: Bei Guinness erfindet er eine Methode, um Bier objektiv zu testen. Bis heute wird seine Methode angewendet. Geschichten aus der Mathematik ist unser Podcast, in dem wir die Menschen hinter der Mathematik in den Mittelpunkt stellen und ihre Geschichte erzählen. Es geht um Pistolenduelle, um die Revolution und die große Liebe, um einen Leserbrief-Shitstorm und Plagiate unter Freunden. Es gibt also jede Menge Drama! Hört doch mal rein! Hier könnt ihr die Folge über Guinness und die Statistik nachhören: https://detektor.fm/wissen/geschichten-aus-der-mathematik-statistik-aus-der-brauerei Hier entlang geht's zu den Links unserer Werbepartner: https://detektor.fm/werbepartner/zurueck-zum-thema >> Artikel zum Nachlesen: https://detektor.fm/gesellschaft/zurueck-zum-thema-bier-statistik
Anfang des 20. Jahrhunderts beginnt die Karriere des Statistiker William Sealy Gosset ganz alltagspraktisch in einer Brauerei: Bei Guinness erfindet er eine Methode, um Bier objektiv zu testen. Bis heute wird seine Methode angewendet. Geschichten aus der Mathematik ist unser Podcast, in dem wir die Menschen hinter der Mathematik in den Mittelpunkt stellen und ihre Geschichte erzählen. Es geht um Pistolenduelle, um die Revolution und die große Liebe, um einen Leserbrief-Shitstorm und Plagiate unter Freunden. Es gibt also jede Menge Drama! Hört doch mal rein! Hier könnt ihr die Folge über Guinness und die Statistik nachhören: https://detektor.fm/wissen/geschichten-aus-der-mathematik-statistik-aus-der-brauerei Hier entlang geht's zu den Links unserer Werbepartner: https://detektor.fm/werbepartner/zurueck-zum-thema >> Artikel zum Nachlesen: https://detektor.fm/gesellschaft/zurueck-zum-thema-bier-statistik
❤️ In dieser Folge spreche ich mit Dr. Bettina Gruber über das bunte, manchmal auch herausfordernde Leben mit mehreren Sprachen.
In dieser Folge spricht Gudrun mit Alexandra Walter, die ihre Promotion im Mai 2025 am Scientific Computing Center (SCC) des KIT in Karlsruhe abgeschlossen hat. Ihre Arbeit hat den Titel "Deep Learning for Radiotherapy: Target Volume Segmentation and Dynamical Low-Rank Training". Ihr Forschungsprojekt bewegt sich an der Schnittstelle zwischen numerischer Mathematik und Krebsforschung. Das Thema erfordert einen Dreiklang aus Modellverständnis, der Analyse und Entwicklung geeigneter mathematischer Verfahren und dem sicheren Umgang mit medizinischen Anwendungsroutinen. Weltweit erkranken laut WHO jährlich etwa 19 Millionen Menschen an Krebs, mehr als die Hälfte der Erkrankten überlebt diese Krankheit nicht. Während neben ungesunden Lebensgewohnheiten, wie Rauchen, Übergewicht und Alkoholkonsum auch das Erreichen eines höheren Lebensalters als Risikofaktoren für Krebs zählen, treten einige Fälle auch bereits in der Kindheit, Jugend oder während des Erwerbslebens auf. Eine Krebsdiagnose ist für die Betroffenen und ihre Angehörigen oft sehr belastend. Neben der verbesserten Früherkennung muss auch die Behandlung von Krebserkrankungen durch medizinische Forschung und Therapie kontinuierlich weiterentwickelt werden. Ein zentrales Verfahren in der Krebsbehandlung ist die Strahlentherapie, bei der ionisierende Strahlen zur gezielten Schädigung der DNA von Tumorzellen eingesetzt werden. Von einer Bestrahlung ist oft auch das umliegende, gesunde Gewebe betroffen. Dadurch entsteht ein grundlegender Zielkonflikt, bei dem die vollständige Zerstörung des Tumorgewebe der Schonung des Normalgewebes gegenübersteht. In den vergangenen Jahren haben technische Entwicklungen erhebliche Fortschritte ermöglicht, insbesondere in der hochpräzisen Dosierung der Strahlenbehandlung und Lokalisierung von Tumor- und Normalgewebe. Computergestützte Simulationen unter Berücksichtigung individueller Anatomie, die durch Bildgebung bestimmt werden kann, spielen dabei eine zentrale Rolle – sei es in der Planungsphase oder in der Echtzeitüberwachung während der Behandlung. Die Strahlentherapie erforderte schon immer eine enge interdisziplinäre Zusammenarbeit, insbesondere zwischen Medizin und Physik. In den letzten Jahrzehnten hat sich zudem die Mathematik als unverzichtbare dritte Säule etabliert. Diese Entwicklung hin zu daten- und modellgestützten Verfahren ebnete den Weg für moderne Technologien, die über klassische Ansätze hinausgehen und zunehmend auf intelligente Algorithmen setzen. In diesem Kontext gewinnt Künstliche Intelligenz (KI) zunehmend an Bedeutung und verspricht weitere Verbesserungen in der Präzision der Behandlung, da sie in der Lage ist, komplexe Zusammenhänge aus großen Datenmengen zu erkennen, individuelle Therapiestrategien zu optimieren und das Wissen erfahrener Spezialistinnen durch lernfähige Systeme abzubilden. Künstliche neuronale Netze (Artificla Neural Networks oder ANNs) haben sich bei einer Vielzahl von medizinischen Bildsegmentierungsaufgaben als erfolgreich erwiesen, erfordern jedoch einen erheblichen Rechenaufwand und Speicherplatz zur Anpassung der Modellparameter. Die meisten dieser Parameter werden in großen Gewichts(hyper)matrizen gespeichert, die oft mehr als 99,98 % der Gesamtparameterzahl des Modells ausmachen. Um dieses Problem zu lösen, wurde vor kurzem die dynamische Low-Rank-Approximation auf die Parameteranpassung von ANN, auch bekannt als Training, angewandt. Während sich die meisten Forschungsarbeiten zum dynamischen Low-Rank-Training (DLRT) auf Galerkin-Integratoren konzentrieren, untersucht Alexandra den Einsatz einer rangadaptiven Variante des Projector-Splitting-Integrators (PSI) im Kontext von DLRT – einer Methode, die in anderen Anwendungsgebieten bereits häufig verwendet wird. Literature and further information Webseite der CSMM-Arbeitsgruppe Liste aller Publikationen von Alexandra Walter Podcasts M. Bangert, G. Thäter: Bestrahlungstherapie, Gespräch im Modellansatz Podcast, Folge 201, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2019. A. Sage, G. Thäter: Monte-Carlo Simulationen, Gespräch im Modellansatz Podcast, Folge 204, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2019.
Es ist wieder Race Week - und nicht nur irgendein Rennen steht an, sondern das Heimrennen von e-Formel.de in Berlin! Luca Storms und Tobi Wirtz freuen sich schon auf das Deutschland-Rennen, müssen aber zunächst einmal über eine Hiobsbotschaft der letzten Tage sprechen. Natürlich geht es anschließend um den anstehenden "Double-Header" und den am Montag folgenden Rookie-Test. Da Oliver Rowland am Samstag schon Formel-E-Weltmeister werden kann, darf auch ein bisschen Mathematik nicht fehlen. Zusätzlich gibt es eine weitere Folge des beliebten Formel-E-Quiz "Grid Dummies". Viel Spaß beim Hören!
Wir nutzen die aktuellen Temperaturen als Aufhänger für unser Podcast Thema! Die Väter Lars, ehemals angehender Gymnasiallehrer für Mathematik und Informatik und Andi aka Crocodileandy, gelernter Architekt, sind auf Umwegen zu Social Media Stars geworden. Mit Kreativität und dem Willen anderen etwas beizubringen haben sie mit Hilfe von Minecraft ihre Reichweite gewonnen. In dem Podcast "Besser als Nackt" dreht sich alles um die unverblümte Wahrheit des Lebens. Viel Spaß beim Anhören!
➡️ Zum Buch: https://www.hallolernen.de/hallo-einschulung-alles-ueber-vorschule-und-1-klasse/Kapitel: Das Gehirn braucht Kontraste - Erfolg vs. MisserfolgManipuliere dein GehirnDisziplin hat einen Ort im GehirnVier Aspekte für Erfolg Ziele erreichen mit Gewohnheiten und Strukturen❤️ Stell dir vor, dein Kind wäre endlich diszipliniert genug, sein Zimmer aufzuräumen, seine Hausaufgaben zügig zu erledigen oder jeden Tag Vokabeln zu lernen.
Urlaub einfach ausbezahlen lassen? Technisch ausgedrückt: abgelten? Davon hält das Bundesurlaubsgesetz nichts und sieht das nur in besonderen Konstellationen vor. In der Praxis häufig dann ein Thema, wenn Arbeitsverhältnisse enden und Urlaubstage nicht mehr genommen werden können. Britta und Maraike gehen in dem Zusammenhang auch auf das krankheitsbedingte Verfallen oder auch Nichtverfallen von Urlaubsansprüchen ein. Dann wird es kurz erstaunlich, wenn es ans Ausrechnen geht, denn dafür rechnet man mit 13 Wochen. Nun denn. Aber was ist, wenn man schon zu viel Urlaub genommen hat? Jan meint, dann müsse es doch auch eine Urlaubsabgeltung andersherum geben. Allerdings hat die Mathematik im Arbeitsrecht dann doch ihre eigenen Gesetze. Was ihr hier hört, bringt euch weiter, stellt aber keine Rechtsberatung dar. Es kann insbesondere keine individuelle rechtliche Beratung ersetzen, welche die Besonderheiten des Einzelfalles berücksichtigt. Insofern verstehen sich alle Informationen ohne Gewähr auf Richtigkeit und Vollständigkeit.
Heute geht es durchaus zwischenzeitlich ums pinkeln. Noch Fragen? Die Väter Lars, ehemals angehender Gymnasiallehrer für Mathematik und Informatik und Andi aka Crocodileandy, gelernter Architekt, sind auf Umwegen zu Social Media Stars geworden. Mit Kreativität und dem Willen anderen etwas beizubringen haben sie mit Hilfe von Minecraft ihre Reichweite gewonnen. In dem Podcast "Besser als Nackt" dreht sich alles um die unverblümte Wahrheit des Lebens. Viel Spaß beim Anhören!
Anfang des 20. Jahrhunderts entwickelt der Brauereileiter und Statistiker William Sealy Gosset eine Methode, um das Bier der Guinness-Brauerei objektiv zu testen. Obwohl die Methode bis heute angewendet wird, kennt kaum jemand den Namen des Erfinders. Wer sich tiefer in das Thema einlesen möchte, kann das mit diesem Buch tun: Egon S. Pearson: ‚Student‘. A Statistical Biography of William Sealy Gosset (1990) Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:57) Der Guinness-Mathematiker William Sealy Gosset (00:08:48) Statistik aus der Brauerei (00:12:36) Gauß-Verteilung & t-Verteilung (00:14:11) Der t-Test nach Gosset (00:18:04) Bier-Fazit und Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-statistik-aus-der-brauerei
Anfang des 20. Jahrhunderts entwickelt der Brauereileiter und Statistiker William Sealy Gosset eine Methode, um das Bier der Guinness-Brauerei objektiv zu testen. Obwohl die Methode bis heute angewendet wird, kennt kaum jemand den Namen des Erfinders. Wer sich tiefer in das Thema einlesen möchte, kann das mit diesem Buch tun: Egon S. Pearson: ‚Student‘. A Statistical Biography of William Sealy Gosset (1990) Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:57) Der Guinness-Mathematiker William Sealy Gosset (00:08:48) Statistik aus der Brauerei (00:12:36) Gauß-Verteilung & t-Verteilung (00:14:11) Der t-Test nach Gosset (00:18:04) Bier-Fazit und Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-statistik-aus-der-brauerei
Anfang des 20. Jahrhunderts entwickelt der Brauereileiter und Statistiker William Sealy Gosset eine Methode, um das Bier der Guinness-Brauerei objektiv zu testen. Obwohl die Methode bis heute angewendet wird, kennt kaum jemand den Namen des Erfinders. Wer sich tiefer in das Thema einlesen möchte, kann das mit diesem Buch tun: Egon S. Pearson: ‚Student‘. A Statistical Biography of William Sealy Gosset (1990) Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:57) Der Guinness-Mathematiker William Sealy Gosset (00:08:48) Statistik aus der Brauerei (00:12:36) Gauß-Verteilung & t-Verteilung (00:14:11) Der t-Test nach Gosset (00:18:04) Bier-Fazit und Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-statistik-aus-der-brauerei
Platonismus und Python - Data Class Builders (click here to comment) 30. Juni 2025, Jochen Willkommen zu Episode 66! Heute geht's um Data Class Builders (nächstes Kapitel aus "Fluent Python"), aber wie immer schweift das Gespräch auch mal ab - von der Frage, ob Mathematik entdeckt oder erfunden wird, bis zu gefährlichen Default-Argumenten.
➡️ Zum Buch: https://www.hallolernen.de/hallo-einschulung-alles-ueber-vorschule-und-1-klasse/ ➡️ Video „Die 4 Motivationstypen - Welcher Motivationstyp ist dein Kind?: https://www.youtube.com/watch?v=_s-5ojAV8jU
Gibt es in der Mathematik noch ungelöste Fragen, die selbst die klügsten Köpfe zur Verzweiflung bringen? In dieser Folge begeben sich Tim und Max auf eine gedankliche Reise durch die mysteriösesten Rätsel der Mathematik: was macht diese Probleme so schwer fassbar, und welche Bedeutung haben sie für Wissenschaft, Technik und Philosophie? Eine Folge über Zahlen, Unendlichkeit – und die Grenzen unseres Wissens.
Gotthold Eisenstein war ein faszinierender und zugleich tragisch unbekannten Mathematiker des 19. Jahrhunderts. Mit nur 29 Jahren verstorben, hinterließ Eisenstein ein Werk, das bis heute in der Zahlen- und Funktionentheorie nachhallt. Aber es ist auch die Geschichte eines Mannes, der mit Armut, Krankheit und gesellschaftlicher Ausgrenzung gekämpft hat. Wir sprechen über sein kurzes Leben und seine große Leidenschaft - die Mathematik, sowie den Traum, endlich seinem Mathe-Vorbild Carl Friedrich Gauß zu begegnen.Schon gehört? Hier geht's zur Folge über Alexander von Humboldt.“Behind Science” gibt's jeden Samstag – am Science-Samstag. Zwischendurch erreicht ihr uns per Mail und Instagram, und hier gibt's unsere Links, die gerade wichtig sind. Nutzt im Mai gerne unseren Buah-Code behindscience10, wenn ihr knackige Snacks sucht. Hosted on Acast. See acast.com/privacy for more information.
Wenig Zeit - trotzdem neugierig? Hier ist Euer Podcast Update für alles, was Ihr zu aktueller Forschung wissen müsst. Kurz, relevant und überraschend. Die Themen in dieser Podcast-Folge: (00:00:12) Vorfahre des T. Rex entdeckt: Der Drachenprinz der Mongolei | https://www.nature.com/articles/s41586-025-08964-6 (00:03:35) So schaut die Sonne von unten aus | https://www.esa.int/Science_Exploration/Space_Science/Solar_Orbiter/Solar_Orbiter_gets_world-first_views_of_the_Sun_s_poles (00:05:07) Geschlechterunterschiede in Mathematik erst nach dem Schulstart | https://www.nature.com/articles/s41586-025-09126-4 Wir freuen uns, von Euch zu hören: WhatsApp (https://wa.me/491746744240) oder iq@br.de. CREDITS Host der heutigen Folge ist Franzi Konitzer Die Geschichte in dieser Podcast-Folge hat Johannes Roßteuscher recherchiert Redaktion: Georgia Tscharke Immer noch neugierig - und mehr Zeit? Dann empfehlen wir Euch unseren IQ Podcast, der in die Tiefe geht: IQ - Wissenschaft und Forschung https://www.ardaudiothek.de/sendung/iq-wissenschaft-und-forschung/5941402/ Alle Folgen von IQ gibt es auch in der https://www.ardaudiothek.de/. Hier könnt ihr die letzten Folgen hören: Der automatisierte Krieg - Wenn autonome Waffen töten, ARD Audiothek https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/der-automatisierte-krieg-wenn-autonome-waffen-toeten/bayern-2/13960691/ Trügerisch echt - So fälscht unser Gehirn Erinnerungen https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/truegerisch-echt-so-faelscht-unser-gehirn-erinnerungen/bayern-2/14736297/ Prof. Algorithmus - So revolutioniert Künstliche Intelligenz die Forschung https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/prof-algorithmus-so-revolutioniert-kuenstliche-intelligenz-die-forschung/bayern-2/14728619/ Diesen Fehler haben wir im Gehirn eingebaut - So können wir ihn umgehen https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/diesen-fehler-haben-wir-im-gehirn-eingebaut-so-koennen-wir-ihn-umgehen/bayern-2/14610485/ Jugendliche depressiv durch Social Media? Neue Studie zeigt Zusammenhänge https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/jugendliche-depressiv-durch-social-media-neue-studie-zeigt-zusammenhaenge/bayern-2/14721871/ Künstliche Gebärmutter - Fortpflanzung ohne Sex und Schwangerschaft? https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/kuenstliche-gebaermutter-fortpflanzung-ohne-sex-und-schwangerschaft/bayern-2/14713677/ Ist das noch Essen? - Hochverarbeitete Lebensmittel - So wirken sie auf den Körper https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/ist-das-noch-essen-hochverarbeitete-lebensmittel-so-wirken-sie-auf-den-koerper/bayern-2/14706333/ Der Subpolarwirbel - Diesen Einfluss hat die rätselhafte Kälteblase | Klimawandel für Profis https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/der-subpolarwirbel-diesen-einfluss-hat-die-raetselhafte-kaelteblase-klimawandel-fuer-profis/bayern-2/14703197/ Achtung Zecken! - Neue Krankheitserreger drohen https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/achtung-zecken-neue-krankheitserreger-drohen-durch-blutsauger/bayern-2/14719087/ KI macht Musik - So komponiert künstliche Intelligenz - Besser als der Mensch? https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/ki-macht-musik-so-komponiert-kuenstliche-intelligenz-besser-als-der-mensch/bayern-2/14696431/ Essbare Batterien und Spiderman-Versuche - Warum "Jugend forscht" so wichtig ist https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/essbare-batterien-und-spiderman-versuche-warum-jugend-forscht-so-wichtig-ist/bayern-2/14674909/ Mitte Juni fällt die Nacht aus - Der Sternenhimmel https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/mitte-juni-faellt-die-nacht-aus-der-sternenhimmel/bayern-2/14653537/ Genetisch veränderte Lebewesen - So wichtig sind sie in der Medizin https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/genetisch-veraenderte-lebewesen-so-wichtig-sind-sie-in-der-medizin/bayern-2/14643089/ Fahrrad fahren - So wird es viel sicherer https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/fahrrad-fahren-so-wird-es-viel-sicherer/bayern-2/14635363/ Mythos oder Tatsache? Filterblasen im Internet https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/mythos-oder-tatsache-filterblasen-im-internet/bayern-2/14627251/ Wenn Chatbots manipulieren - So können wir uns schützen | Grok https://www.ardaudiothek.de/episode/iq-wissenschaft-und-forschung/wenn-chatbots-manipulieren-so-koennen-wir-uns-schuetzen-grok/bayern-2/14617231/ Wir freuen uns, von Euch zu hören. Schreibt uns gern unter iq@br.de oder schickt uns eine Sprachnachricht per WhatsApp (https://wa.me/491746744240)
❤️ Geschichten vorlesen oder erzählen fördert dein Kind unfassbar.
Mitte des 17. Jahrhunderts machen die Mathematiker Blaise Pascal und Pierre de Fermat die Zukunft berechenbar, indem sie erstmals mit Wahrscheinlichkeiten rechnen. Ausschlaggebend ist ein abgebrochenes Glücksspiel. Manons „Spektrum“-Artikel zu den Anfängen der Wahrscheinlichkeitsrechnung lest ihr hier. Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:26) Mathematische Brieffreundschaft zwischen Fermat und Pascal (00:09:53) Wahrscheinlichkeiten und ein Würfelspiel (00:13:35) Bashing unter Wissenschaftlern im 17. Jahrhundert (00:15:42) Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-wahrscheinlichkeitsrechnung
Mathematik haptisch und digital begreifen - Haptisches, freies Spiel ist die natürliche Art für Kinder zu lernen. Und Würfelspiele helfen seit tausenden von Jahren, das Verständnis für Zahlen und Mengen zu fördern. TukToro kombiniert beides und koordiniert dieses Lernerlebnis digital. Mit altersgerechten Spielen in fantasievollen Welten gelangt dein Kind vom zählenden zum verstehenden Rechnen. Der Gründer Elisha Benner erzählt u.a. über seine Gründerstory, die Wichtigkeit Mathematik spielerisch zu lernen und die Zukunft von TukToro.Schaut euch das Spiel an: https://tuktoro.com#mathebydanieljung #tuktoro #mathespiel
Mitte des 17. Jahrhunderts machen die Mathematiker Blaise Pascal und Pierre de Fermat die Zukunft berechenbar, indem sie erstmals mit Wahrscheinlichkeiten rechnen. Ausschlaggebend ist ein abgebrochenes Glücksspiel. Manons „Spektrum“-Artikel zu den Anfängen der Wahrscheinlichkeitsrechnung lest ihr hier. Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:26) Mathematische Brieffreundschaft zwischen Fermat und Pascal (00:09:53) Wahrscheinlichkeiten und ein Würfelspiel (00:13:35) Bashing unter Wissenschaftlern im 17. Jahrhundert (00:15:42) Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-wahrscheinlichkeitsrechnung
Mitte des 17. Jahrhunderts machen die Mathematiker Blaise Pascal und Pierre de Fermat die Zukunft berechenbar, indem sie erstmals mit Wahrscheinlichkeiten rechnen. Ausschlaggebend ist ein abgebrochenes Glücksspiel. Manons „Spektrum“-Artikel zu den Anfängen der Wahrscheinlichkeitsrechnung lest ihr hier. Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:26) Mathematische Brieffreundschaft zwischen Fermat und Pascal (00:09:53) Wahrscheinlichkeiten und ein Würfelspiel (00:13:35) Bashing unter Wissenschaftlern im 17. Jahrhundert (00:15:42) Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-wahrscheinlichkeitsrechnung
Waren Spiele früher besser als heute? Wir sprechen aus gegebenem Anlass darüber. Die Väter Lars, ehemals angehender Gymnasiallehrer für Mathematik und Informatik und Andi aka Crocodileandy, gelernter Architekt, sind auf Umwegen zu Social Media Stars geworden. Mit Kreativität und dem Willen anderen etwas beizubringen haben sie mit Hilfe von Minecraft ihre Reichweite gewonnen. In dem Podcast "Besser als Nackt" dreht sich alles um die unverblümte Wahrheit des Lebens. Viel Spaß beim Anhören!
Die große Preview für WWE Money in the Bank 2025! Wer wird die beiden (wild-angesetzten) Ladder Matches für sich entscheiden? Wagt WWE zu viel Mainstream? Wie gut ist Lyra Valkyrie? Und was geht beim Tag Match um Cody Rhodes, Jey Uso, John Cena und Logan Paul? Bei allem, was Spaß macht und was wir Schönes antizipieren können, haben wir auch so unsere Schwierigkeiten mit dem diesjährigen Money in the Bank-PLE – und Niklas generell mit RAW und SmackDown. Wir tippen alle Matches, blicken zurück auf die letzten Wochen WWE und suhlen uns in möglichen Theorien für die baldigen Kofferträger*innen. Im Fokus: Der große Plan von Seth Rollins, WWEs immer tiefergehender Dive in Popkultur und Mainstream-Entertainment, die derzeitige Rolle von John Cena, Jey Usos Befinden und feinste Bier-Mathematik. Viel Spaß! Wir freuen uns wie immer mega über Kommentare und Feedback auf Instagram, Threads, Bluesky, Twitter & Facebook. Unterstützt den SCHWITZKASTEN gern auch auf Patreon dabei, der beste deutsche Wrestling Podcast zu sein.
Ina Lehr, Gründerin von Hallo Lernen, und ich sprechen heute darüber, wie Eltern ihre Kinder selbstbestimmt und spielerisch zu Hause fördern können – von frühem Mengenverständnis bis zu Sprache und Lesen. Sie plädiert für individuelle Lerngeschwindigkeit, Vorbeugung von Matheangst und Lernen mit Geschichten, Bildern und Bezug zur Lebenswelt.
Der Mathematiker John von Neumann macht sich im 20. Jahrhundert in der Funktionalanalysis, der Quantenmechanik und der Informatik einen Namen. Außerdem begründet er die Spieltheorie, die menschliches Verhalten vorauszusagen versucht – beim Poker, in der Wirtschaft und im Krieg. Die Folge des „Eigenraum“-Podcasts mit Manon könnt ihr euch hier anhören. Manons „Spektrum“-Artikel zum Langlands-Programm lest ihr hier. Die Folge des „Spektrum“-Podcasts, in der Manon über das Langlands-Programm spricht, findet ihr hier. Die „Sherlock Holmes“-Kurzgeschichte „Das letzte Problem“ von Arthur Conan Doyle könnt ihr hier lesen. Und wer sich tiefer in das Leben von John von Neumann einlesen möchte, kann das mit diesen Büchern tun: Jacob Bronowski: The Ascent of Men William Poundstone: Prisoner's Dilemma Paul Richard Halmos: The Legend of John Von Neumann Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:28) Vorzeige-Wunderkind John von Neumann (00:07:27) Mathematik als Berufung (00:09:51) Nachtleben mit Poker und Mathematik (00:13:28) Von Princeton zum Manhattan-Projekt (00:22:04) Spieltheorie in Militär, Wirtschaft „Sherlock Holmes“ (00:26:19) Holmes' Flucht aus spieltheoretischer Sicht (00:33:13) Holmes' Überlebenschancen & Amerikas Bomardierungsstrategie (00:37:55) Fazit & Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-john-von-neumann
Der Mathematiker John von Neumann macht sich im 20. Jahrhundert in der Funktionalanalysis, der Quantenmechanik und der Informatik einen Namen. Außerdem begründet er die Spieltheorie, die menschliches Verhalten vorauszusagen versucht — beim Poker, in der Wirtschaft und im Krieg. Die Folge des „Eigenraum“-Podcasts mit Manon könnt ihr euch hier anhören. Manons „Spektrum“-Artikel zum Langlands-Programm lest ihr hier. Die Folge des „Spektrum“-Podcasts, in der Manon über das Langlands-Programm spricht, findet ihr hier. Die „Sherlock Holmes“-Kurzgeschichte „Das letzte Problem“ von Arthur Conan Doyle könnt ihr hier lesen. Und wer sich tiefer in das Leben von John von Neumann einlesen möchte, kann das mit diesen Büchern tun: Jacob Bronowski: The Ascent of Men William Poundstone: Prisoner's Dilemma Paul Richard Halmos: The Legend of John Von Neumann Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:00) Einleitung (00:03:28) Vorzeige-Wunderkind John von Neumann (00:07:27) Mathematik als Berufung (00:09:51) Nachtleben mit Poker und Mathematik (00:13:28) Von Princeton zum Manhattan-Projekt (00:22:04) Spieltheorie in Militär, Wirtschaft, „Sherlock Holmes“ (00:26:19) Holmes' Flucht aus spieltheoretischer Sicht (00:33:13) Holmes' Überlebenschancen & Amerikas Bombardierungsstrategie (00:37:55) Fazit & Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-john-von-neumann
Switch B reps the home team lovely with gems from Toronto's own Saukrates, Grassroots, Brassmunk, Mathematik and more. Plus Turkish x Brazilian magnetism with Peki Momés, a Co-Flow classic back to back with the Murs reboot, and weird wonderful breaks from Billy Green and Chris Tembo. View the full playlist for this show at https://www.wefunkradio.com/show/1252 Enjoying WEFUNK? Listen to all of our mixes at https://www.wefunkradio.com/shows/
Wir hatten Lust über Spiele zu sprechen, also haben wir über Spiele gesprochen! Die Väter Lars, ehemals angehender Gymnasiallehrer für Mathematik und Informatik und Andi aka Crocodileandy, gelernter Architekt, sind auf Umwegen zu Social Media Stars geworden. Mit Kreativität und dem Willen anderen etwas beizubringen haben sie mit Hilfe von Minecraft ihre Reichweite gewonnen. In dem Podcast "Besser als Nackt" dreht sich alles um die unverblümte Wahrheit des Lebens. Viel Spaß beim Anhören!
Als die britische Krankenschwester Florence Nightingale am 4. November 1854 im Lazarett in Scutari ankommt, sterben im Schnitt vier von zehn Patienten. Mithilfe von statistischen Analysen und deren visueller Aufbereitung kann Nightingale die Sterblichkeitsrate unter den verletzten und kranken Soldaten drastisch senken. Den Artikel von Manon Bischoff aus der Reihe „Die fabelhafte Welt der Mathematik“ über Florence Nightingale und die Datenvisualisierung könnt ihr hier lesen. Ein Archiv der schriftlichen Arbeiten von Florence Nightingale findet ihr hier. Und den Nachruf über Florence Nightingale, der am 15. August 1910 in der Times erschienen ist, lest ihr hier nach. Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:01) Einleitung (00:03:23) Der frühe Wunsch nach Unabhängigkeit (00:06:34) Alles für den Traumjob Krankenschwester (00:10:43) Als Krankenpflegerin in den Krimkrieg (00:16:36) Nightingales Engagement im Lazarett (00:21:47) Visualisierung von Daten (00:24:59) Die Macht der Statistik (00:30:13) Manipulative Diagramme (00:33:53) Fazit & Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-florence-nightingale
Als die britische Krankenschwester Florence Nightingale am 4. November 1854 im Lazarett in Scutari ankommt, sterben im Schnitt vier von zehn Patienten. Mithilfe von statistischen Analysen und deren visueller Aufbereitung kann Nightingale die Sterblichkeitsrate unter den verletzten und kranken Soldaten drastisch senken. Den Artikel von Manon Bischoff aus der Reihe „Die fabelhafte Welt der Mathematik“ über Florence Nightingale und die Datenvisualisierung könnt ihr hier lesen. Ein Archiv der schriftlichen Arbeiten von Florence Nightingale findet ihr hier. Und den Nachruf über Florence Nightingale, der am 15. August 1910 in der Times erschienen ist, lest ihr hier nach. Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:01) Einleitung (00:03:23) Der frühe Wunsch nach Unabhängigkeit (00:06:34) Alles für den Traumjob Krankenschwester (00:10:43) Als Krankenpflegerin in den Krimkrieg (00:16:36) Nightingales Engagement im Lazarett (00:21:47) Visualisierung von Daten (00:24:59) Die Macht der Statistik (00:30:13) Manipulative Diagramme (00:33:53) Fazit & Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-florence-nightingale
Wie wichtig ist Storytelling für YouTube Videos und wie setzen wir das auf unseren Kanälen um? Die Väter Lars, ehemals angehender Gymnasiallehrer für Mathematik und Informatik und Andi aka Crocodileandy, gelernter Architekt, sind auf Umwegen zu Social Media Stars geworden. Mit Kreativität und dem Willen anderen etwas beizubringen haben sie mit Hilfe von Minecraft ihre Reichweite gewonnen. In dem Podcast "Besser als Nackt" dreht sich alles um die unverblümte Wahrheit des Lebens. Viel Spaß beim Anhören!
Das Langlands-Programm will die Mathematik revolutionieren. 2024 gelang Forschenden ein wichtiger Durchbruch. Was hinter dem Projekt steckt — und was ein mathematischer Erotikfilm damit zu tun hat. (00:00:00) Intro (00:00:45) Begrüßung und Opener: Das Langlands-Programm (00:01:52) Das Langlands-Programm ist … kompliziert (00:03:24) Das Ziel des Langlands-Programm: Algebra trifft Geometrie (00:07:21) Wie funktioniert dieses Programm? (00:10:53) Der Beef um die dritte Brücke (00:13:02) Der 1000-seitige Beweis der dritten Brücke (00:20:23) Ein Mathe-Erotikfilm! WTF? (00:23:29) Verabschiedung Hier entlang geht's zu den Links unserer Werbepartner: https://detektor.fm/werbepartner/spektrum-der-wissenschaft >> Artikel zum Nachlesen: https://detektor.fm/wissen/spektrum-podcast-langlands-programm
Das Langlands-Programm will die Mathematik revolutionieren. 2024 gelang Forschenden ein wichtiger Durchbruch. Was hinter dem Projekt steckt — und was ein mathematischer Erotikfilm damit zu tun hat. (00:00:00) Intro (00:00:45) Begrüßung und Opener: Das Langlands-Programm (00:01:52) Das Langlands-Programm ist … kompliziert (00:03:24) Das Ziel des Langlands-Programm: Algebra trifft Geometrie (00:07:21) Wie funktioniert dieses Programm? (00:10:53) Der Beef um die dritte Brücke (00:13:02) Der 1000-seitige Beweis der dritten Brücke (00:20:23) Ein Mathe-Erotikfilm! WTF? (00:23:29) Verabschiedung Hier entlang geht's zu den Links unserer Werbepartner: https://detektor.fm/werbepartner/spektrum-der-wissenschaft >> Artikel zum Nachlesen: https://detektor.fm/wissen/spektrum-podcast-langlands-programm
Ein Professor der Mathematik - technikfeindlich und weltfremd - erhält im Rahmen eines Forschungsauftrags eine neuartige Apparatur in sein Zuhause. Zunächst verblüfft über die Möglichkeiten, scheint die Maschine bald ein Eigenleben zu entwickeln. Mit jeder weiteren erstaunlichen Leistung wird dem Professor das sogenannte „Elektronengehirn“ unheimlicher. Wie stellte man sich in den 1960er-Jahren Künstliche Intelligenz vor? Im Hörspiel „Aufzeichnungen eines ordentlichen Menschen“ aus dem Jahr 1967 nimmt Heinz von Cramer einiges lustvoll vorweg. Die heutigen technischen Möglichkeiten waren in den 1960ern natürlich noch in weiter Ferne - doch die Ambivalenz dieser neuen Technologie ist bereits deutlich spürbar. Mit: Willy Trenk-Trebitsch, Maria Donnerstag, Erwin Scherschel, Claus Villinger. Regie: Heinz von Cramer Produktion: hr/SR/SDR/SWF 1967 | ca. 65 Min. (Audio verfügbar bis 09.05.2026)
Als der französische Mathematiker Cédric Villani 2010 die Fields-Medaille gewinnt, ist das der Höhepunkt seiner Karriere als mathematischer Forscher — doch sie markiert zugleich den Startpunkt einer neuen Karriere als wissenschaftlicher Kommunikator und Politiker. Den Disney-Kurzfilm „Donald in Mathmagic Land“ könnt ihr hier anschauen. Manon und Demian bei „Behind Science“ über die Geschichte der Zahl Null könnt ihr hier anhören. Demian bei „Behind Science“ über Mathe im Café findet ihr hier. Die Idee für diesen Podcast hat Demian Nahuel Goos am MIP.labor entwickelt, der Ideenwerkstatt für Wissenschaftsjournalismus zu Mathematik, Informatik und Physik an der Freien Universität Berlin, ermöglicht durch die Klaus Tschira Stiftung. (00:00:02) Einleitung (00:03:34) Wozu Wissenschaftskommunikation? (00:06:08) Villani: Mathe-Liebe auf den ersten Blick (00:09:53) Eine steile Forschungskarriere (00:14:20) Die Folgen der Fields-Medaille (00:17:14) Villani zwischen Wissenschaft und Politik (00:20:45) Die Komplexität der Boltzmann-Gleichung (00:24:56) Physikalische Systeme und ihre Zeitrichtung (00:30:36) Die zunehmende Komplexität der Welt (00:37:46) Manon und Demian über Forschung & Wissenschaftskommunikation (00:40:20) Fazit & Verabschiedung >> Artikel zum Nachlesen: https://detektor.fm/wissen/geschichten-aus-der-mathematik-cedric-villani
In this episode Gudrun speaks with Nadja Klein and Moussa Kassem Sbeyti who work at the Scientific Computing Center (SCC) at KIT in Karlsruhe. Since August 2024, Nadja has been professor at KIT leading the research group Methods for Big Data (MBD) there. She is an Emmy Noether Research Group Leader, and a member of AcademiaNet, and Die Junge Akademie, among others. In 2025, Nadja was awarded the Committee of Presidents of Statistical Societies (COPSS) Emerging Leader Award (ELA). The COPSS ELA recognizes early career statistical scientists who show evidence of and potential for leadership and who will help shape and strengthen the field. She finished her doctoral studies in Mathematics at the Universität Göttingen before conducting a postdoc at the University of Melbourne as a Feodor-Lynen fellow by the Alexander von Humboldt Foundation. Afterwards she was a Professor for Statistics and Data Science at the Humboldt-Universität zu Berlin before joining KIT. Moussa joined Nadja's lab as an associated member in 2023 and later as a postdoctoral researcher in 2024. He pursued a PhD at the TU Berlin while working as an AI Research Scientist at the Continental AI Lab in Berlin. His research primarily focuses on deep learning, developing uncertainty-based automated labeling methods for 2D object detection in autonomous driving. Prior to this, Moussa earned his M.Sc. in Mechatronics Engineering from the TU Darmstadt in 2021. The research of Nadja and Moussa is at the intersection of statistics and machine learning. In Nadja's MBD Lab the research spans theoretical analysis, method development and real-world applications. One of their key focuses is Bayesian methods, which allow to incorporate prior knowledge, quantify uncertainties, and bring insights to the “black boxes” of machine learning. By fusing the precision and reliability of Bayesian statistics with the adaptability of machine and deep learning, these methods aim to leverage the best of both worlds. The KIT offers a strong research environment, making it an ideal place to continue their work. They bring new expertise that can be leveraged in various applications and on the other hand Helmholtz offers a great platform in that respect to explore new application areas. For example Moussa decided to join the group at KIT as part of the Helmholtz Pilot Program Core-Informatics at KIT (KiKIT), which is an initiative focused on advancing fundamental research in informatics within the Helmholtz Association. Vision models typically depend on large volumes of labeled data, but collecting and labeling this data is both expensive and prone to errors. During his PhD, his research centered on data-efficient learning using uncertainty-based automated labeling techniques. That means estimating and using the uncertainty of models to select the helpful data samples to train the models to label the rest themselves. Now, within KiKIT, his work has evolved to include knowledge-based approaches in multi-task models, eg. detection and depth estimation — with the broader goal of enabling the development and deployment of reliable, accurate vision systems in real-world applications. Statistics and data science are fascinating fields, offering a wide variety of methods and applications that constantly lead to new insights. Within this domain, Bayesian methods are especially compelling, as they enable the quantification of uncertainty and the incorporation of prior knowledge. These capabilities contribute to making machine learning models more data-efficient, interpretable, and robust, which are essential qualities in safety-critical domains such as autonomous driving and personalized medicine. Nadja is also enthusiastic about the interdisciplinarity of the subject — repeatedly changing the focus from mathematics to economics to statistics to computer science. The combination of theoretical fundamentals and practical applications makes statistics an agile and important field of research in data science. From a deep learning perspective, the focus is on making models both more efficient and more reliable when dealing with large-scale data and complex dependencies. One way to do this is by reducing the need for extensive labeled data. They also work on developing self-aware models that can recognize when they're unsure and even reject their own predictions when necessary. Additionally, they explore model pruning techniques to improve computational efficiency, and specialize in Bayesian deep learning, allowing machine learning models to better handle uncertainty and complex dependencies. Beyond the methods themselves, they also contribute by publishing datasets that help push the development of next-generation, state-of-the-art models. The learning methods are applied across different domains such as object detection, depth estimation, semantic segmentation, and trajectory prediction — especially in the context of autonomous driving and agricultural applications. As deep learning technologies continue to evolve, they're also expanding into new application areas such as medical imaging. Unlike traditional deep learning, Bayesian deep learning provides uncertainty estimates alongside predictions, allowing for more principled decision-making and reducing catastrophic failures in safety-critical application. It has had a growing impact in several real-world domains where uncertainty really matters. Bayesian learning incorporates prior knowledge and updates beliefs as new data comes in, rather than relying purely on data-driven optimization. In healthcare, for example, Bayesian models help quantify uncertainty in medical diagnoses, which supports more risk-aware treatment decisions and can ultimately lead to better patient outcomes. In autonomous vehicles, Bayesian models play a key role in improving safety. By recognizing when the system is uncertain, they help capture edge cases more effectively, reduce false positives and negatives in object detection, and navigate complex, dynamic environments — like bad weather or unexpected road conditions — more reliably. In finance, Bayesian deep learning enhances both risk assessment and fraud detection by allowing the system to assess how confident it is in its predictions. That added layer of information supports more informed decision-making and helps reduce costly errors. Across all these areas, the key advantage is the ability to move beyond just accuracy and incorporate trust and reliability into AI systems. Bayesian methods are traditionally more expensive, but modern approximations (e.g., variational inference or last layer inference) make them feasible. Computational costs depend on the problem — sometimes Bayesian models require fewer data points to achieve better performance. The trade-off is between interpretability and computational efficiency, but hardware improvements are helping bridge this gap. Their research on uncertainty-based automated labeling is designed to make models not just safer and more reliable, but also more efficient. By reducing the need for extensive manual labeling, one improves the overall quality of the dataset while cutting down on human effort and potential labeling errors. Importantly, by selecting informative samples, the model learns from better data — which means it can reach higher performance with fewer training examples. This leads to faster training and better generalization without sacrificing accuracy. They also focus on developing lightweight uncertainty estimation techniques that are computationally efficient, so these benefits don't come with heavy resource demands. In short, this approach helps build models that are more robust, more adaptive to new data, and significantly more efficient to train and deploy — which is critical for real-world systems where both accuracy and speed matter. Statisticians and deep learning researchers often use distinct methodologies, vocabulary and frameworks, making communication and collaboration challenging. Unfortunately, there is a lack of Interdisciplinary education: Traditional academic programs rarely integrate both fields. It is necessary to foster joint programs, workshops, and cross-disciplinary training can help bridge this gap. From Moussa's experience coming through an industrial PhD, he has seen how many industry settings tend to prioritize short-term gains — favoring quick wins in deep learning over deeper, more fundamental improvements. To overcome this, we need to build long-term research partnerships between academia and industry — ones that allow for foundational work to evolve alongside practical applications. That kind of collaboration can drive more sustainable, impactful innovation in the long run, something we do at methods for big data. Looking ahead, one of the major directions for deep learning in the next five to ten years is the shift toward trustworthy AI. We're already seeing growing attention on making models more explainable, fair, and robust — especially as AI systems are being deployed in critical areas like healthcare, mobility, and finance. The group also expect to see more hybrid models — combining deep learning with Bayesian methods, physics-based models, or symbolic reasoning. These approaches can help bridge the gap between raw performance and interpretability, and often lead to more data-efficient solutions. Another big trend is the rise of uncertainty-aware AI. As AI moves into more high-risk, real-world applications, it becomes essential that systems understand and communicate their own confidence. This is where uncertainty modeling will play a key role — helping to make AI not just more powerful, but also more safe and reliable. The lecture "Advanced Bayesian Data Analysis" covers fundamental concepts in Bayesian statistics, including parametric and non-parametric regression, computational techniques such as MCMC and variational inference, and Bayesian priors for handling high-dimensional data. Additionally, the lecturers offer a Research Seminar on Selected Topics in Statistical Learning and Data Science. The workgroup offers a variety of Master's thesis topics at the intersection of statistics and deep learning, focusing on Bayesian modeling, uncertainty quantification, and high-dimensional methods. Current topics include predictive information criteria for Bayesian models and uncertainty quantification in deep learning. Topics span theoretical, methodological, computational and applied projects. Students interested in rigorous theoretical and applied research are encouraged to explore our available projects and contact us for further details. The general advice of Nadja and Moussa for everybody interested to enter the field is: "Develop a strong foundation in statistical and mathematical principles, rather than focusing solely on the latest trends. Gain expertise in both theory and practical applications, as real-world impact requires a balance of both. Be open to interdisciplinary collaboration. Some of the most exciting and meaningful innovations happen at the intersection of fields — whether that's statistics and deep learning, or AI and domain-specific areas like medicine or mobility. So don't be afraid to step outside your comfort zone, ask questions across disciplines, and look for ways to connect different perspectives. That's often where real breakthroughs happen. With every new challenge comes an opportunity to innovate, and that's what keeps this work exciting. We're always pushing for more robust, efficient, and trustworthy AI. And we're also growing — so if you're a motivated researcher interested in this space, we'd love to hear from you." Literature and further information Webpage of the group G. Nuti, Lluis A.J. Rugama, A.-I. Cross: Efficient Bayesian Decision Tree Algorithm, arxiv Jan 2019 Wikipedia: Expected value of sample information C. Howson & P. Urbach: Scientific Reasoning: The Bayesian Approach (3rd ed.). Open Court Publishing Company. ISBN 978-0-8126-9578-6, 2005. A.Gelman e.a.: Bayesian Data Analysis Third Edition. Chapman and Hall/CRC. ISBN 978-1-4398-4095-5, 2013. Yu, Angela: Introduction to Bayesian Decision Theory cogsci.ucsd.edu, 2013. Devin Soni: Introduction to Bayesian Networks, 2015. G. Nuti, L. Rugama, A.-I. Cross: Efficient Bayesian Decision Tree Algorithm, arXiv:1901.03214 stat.ML, 2019. M. Carlan, T. Kneib and N. Klein: Bayesian conditional transformation models, Journal of the American Statistical Association, 119(546):1360-1373, 2024. N. Klein: Distributional regression for data analysis , Annual Review of Statistics and Its Application, 11:321-346, 2024 C.Hoffmann and N.Klein: Marginally calibrated response distributions for end-to-end learning in autonomous driving, Annals of Applied Statistics, 17(2):1740-1763, 2023 Kassem Sbeyti, M., Karg, M., Wirth, C., Klein, N., & Albayrak, S. (2024, September). Cost-Sensitive Uncertainty-Based Failure Recognition for Object Detection. In Uncertainty in Artificial Intelligence (pp. 1890-1900). PMLR. M. K. Sbeyti, N. Klein, A. Nowzad, F. Sivrikaya and S. Albayrak: Building Blocks for Robust and Effective Semi-Supervised Real-World Object Detection pdf. To appear in Transactions on Machine Learning Research, 2025 Podcasts Learning, Teaching, and Building in the Age of AI Ep 42 of Vanishing Gradient, Jan 2025. O. Beige, G. Thäter: Risikoentscheidungsprozesse, Gespräch im Modellansatz Podcast, Folge 193, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2019.
Sind Personenkulte gut oder schlecht? Die Väter Lars, ehemals angehender Gymnasiallehrer für Mathematik und Informatik und Andi aka Crocodileandy, gelernter Architekt, sind auf Umwegen zu Social Media Stars geworden. Mit Kreativität und dem Willen anderen etwas beizubringen haben sie mit Hilfe von Minecraft ihre Reichweite gewonnen. In dem Podcast "Besser als Nackt" dreht sich alles um die unverblümte Wahrheit des Lebens. Viel Spaß beim Anhören!
Was wäre, wenn morgen Social-Media weg wäre? Die Väter Lars, ehemals angehender Gymnasiallehrer für Mathematik und Informatik und Andi aka Crocodileandy, gelernter Architekt, sind auf Umwegen zu Social Media Stars geworden. Mit Kreativität und dem Willen anderen etwas beizubringen haben sie mit Hilfe von Minecraft ihre Reichweite gewonnen. In dem Podcast "Besser als Nackt" dreht sich alles um die unverblümte Wahrheit des Lebens. Viel Spaß beim Anhören!
Besteht das Universum aus Mathematik? Sind wir selbst nur Mathematik? Und was soll das überhaupt heißen? Mehr zur Theorie des mathematischen Universums erfahrt ihr in der neuen Folge der Sternengeschichten. STERNENGESCHICHTEN LIVE TOUR 2025! Tickets unter https://sternengeschichten.live Wer den Podcast finanziell unterstützen möchte, kann das hier tun: Mit PayPal (https://www.paypal.me/florianfreistetter), Patreon (https://www.patreon.com/sternengeschichten) oder Steady (https://steadyhq.com/sternengeschichten)
STERNENGESCHICHTEN LIVE TOUR 2025! Tickets unter https://sternengeschichten.live Wie wahrscheinlich ist es, dass ein Asteroid mit der Erde kollidiert? Und warum können wir das nicht immer mit Sicherheit sagen? Mehr über die Mathematik der Kollisionen erfahrt ihr in der neuen Folge der Sternengeschichten. Wer den Podcast finanziell unterstützen möchte, kann das hier tun: Mit PayPal (https://www.paypal.me/florianfreistetter), Patreon (https://www.patreon.com/sternengeschichten) oder Steady (https://steadyhq.com/sternengeschichten)