Dr. rer. nat. Samuel Kost

Zur Person

Kontakt

Dr. rer. nat. Samuel Kost

Dr. rer. nat. Samuel Kost


Telefon +49 3731 39-3394
Fax +49 3731 39-3595
Samuel.Kost@math.tu-freiberg.de


Postanschrift

Technische Universität Bergakademie Freiberg
Fakultät für Mathematik und Informatik
Institut für Numerische Mathematik und Optimierung
D-09596 Freiberg

Besucheranschrift

Universitätshauptgebäude
Nonnengasse 22
Zimmer DG.12

Beruflicher Werdegang

07/2014 -- 08/2019Wissenschaftlicher Mitarbeiter (befristet) am Institut für numerische Mathematik und Optimierung der Fakultät für Mathematik und Informatik der TU Bergakademie Freiberg
09/2019 -- 06/2021Wissenschaftlicher Mitarbeiter (unbefristet) am Institut für numerische Mathematik und Optimierung der Fakultät für Mathematik und Informatik der TU Bergakademie Freiberg

 

Ausbildung

1999 --2007Gymnasium in Meißen
2007 --2014Studium Technomathematik an der Universität TU Dresden
2014Diplomarbeit, Thema: Vergleich lokal schneller Verfahren zur Lösung von verallgemeinerten Nash-Gleichgewichtsproblemen , Betreuer: Prof. Dr. rer. nat. habil. Andreas Fischer
2020Dissertation, Thema: Logistic Regression for Prospectivity Modeling, Betreuer: Prof. Dr. rer. nat. habil. Oliver Rheinbach, Prof. Dr. rer. nat. habil. Helmut Schaeben

 

Lehre

Wintersemester 2020/21

Übung "Numerische Methoden in der Bildverarbeitung

(zur Vorlesung von [Prof. Dr. rer. nat. habil Eiermann])

Aufgrund der aktuellen Lage (COVID-19) entnehmen Sie die Informationen zur Übung bis auf weiteres auf OPAL (Link zur OPAL Gruppe)

Hörergruppen Woche Tag Zeit Raum
Mm, CSE, MAI jede Do 09:30 - 11:00 online
Mm, CSE, MAI 2 Do 14:00 - 15:30 online

Übung "Lineare Algebra, Datenanalyse und maschinelles Lernen"

(zur Vorlesung von [Prof. Dr. rer. nat. habil Eiermann])

Aufgrund der aktuellen Lage (COVID-19) entnehmen Sie die Informationen zur Übung bis auf weiteres auf OPAL (Link zur OPAL Gruppe)

Hörergruppe Woche Tag Zeit Raum
BAI jede Di 14:00 - 15:30 online


Forschung

Arbeitsgebiete

Verwendung von Deep Learning zur Lösung inverser Probleme in der Geophysik

  • Schätzen von Parametern in PDEs mittels neuronalen Netzen

Logistische Regression für Prospectivity Modeling

  • Automatisierte Modellauswahl bei logistischer Regression für Rohstoffvorkommen-Vorhersage
  • Einarbeitung von Nichtlinearitäten
  • Seltene Ereignisse müssen beachtet werden


Publikationen

Dissertation

Kost, Samuel Logistic Regression for Prospectivity Modeling
TU Bergakademie Freiberg, 2020 (Link zur Dissertation)


Teaching Aid

Schaeben, H.; Kost, S.; Semmler, G. Popular Raster-Based Methods of Prospectivity Modeling and Their Relationships Math Geoscience 51 (2019), Seite 945 -- 971. (https://doi.org/10.1007/s11004-019-09808-6)