Helmut Bölcskei: Catalogue data in Spring Semester 2021

Name	Prof. Dr. Helmut Bölcskei
Field	Mathematical Information Science
Address	Professur Math. Informationswiss. ETH Zürich, ETF E 122 Sternwartstrasse 7 8092 Zürich SWITZERLAND
Telephone	+41 44 632 34 33
E-mail	hboelcskei@ethz.ch
URL	https://www.mins.ee.ethz.ch/people/show/boelcskei
Department	Information Technology and Electrical Engineering
Relationship	Full Professor

Number	Title	ECTS	Hours	Lecturers
227-0085-17L	Projects & Seminars: Bau eines drahtlosen Infrarot-Kopfhörers Only for Electrical Engineering and Information Technology BSc. The course unit can only be taken once. Repeated enrollment in a later semester is not creditable.	2 credits	2P	H. Bölcskei
Abstract	The category of "Laboratory Courses, Projects, Seminars" includes courses and laboratories in various formats designed to impart practical knowledge and skills. Moreover, these classes encourage independent experimentation and design, allow for explorative learning and teach the methodology of project work.
Learning objective	Inhalt ist der Aufbau eines optischen Infrarot-Audioübertragungssystems. Wir machen uns mit wichtigen Messgeräten (Oszilloskop, Spektrumanalyser) und Messmethoden (Frequenzgang aufnehmen, S/N Verhältnis, nichtlineare Störungen) vertraut. Der Einfluss der Modulation zur Unterdrückung von Störungen wird untersucht. Jeder Student baut für sich je einen Infrarot-Sender und -Empfänger und kann diese am Ende mit nach Hause nehmen. Beim Zusammenbau sammeln wir praktische Erfahrungen mit dem Löten von konventionellen und SMD Bauteilen. Die fertigen Schaltungen werden in Betrieb genommen, abgeglichen und ausgemessen. Das Praktikum wird an fünf Nachmittagen in Zweiergruppen jeweils Donnerstags durchgeführt. Absenzen werden nur in begründeten Ausnahmefällen erlaubt. Die Daten der Praktikumsnachmittage, weitere Informationen sowie die Unterlagen für die Vorbereitung können auf unserer Homepage gefunden werden.
227-0085-18L	Projects & Seminars: Bits on Air Only for Electrical Engineering and Information Technology BSc. The course unit can only be taken once. Repeated enrollment in a later semester is not creditable.	2 credits	2P	H. Bölcskei
Abstract	The category of "Laboratory Courses, Projects, Seminars" includes courses and laboratories in various formats designed to impart practical knowledge and skills. Moreover, these classes encourage independent experimentation and design, allow for explorative learning and teach the methodology of project work.
Learning objective	Täglich sind wir mit digitaler Nachrichtenübertragung konfrontiert, sei es beim Fernsehen, beim Mobiltelefon oder bei der Internet-Nutzung. Um die Funktionsweise dieser Systeme kennenzulernen, sollen in diesem P&S-Kurs die Grundzüge der Digitalkommunikation vermittelt werden. Auf herkömmlichen PCs werden dazu selber geschriebene Software-Modems implementiert. Diese Modems bestehen genau wie die in der Wirklichkeit verwendeten digitalen Kommunikationssysteme aus einem Modulator, einem Demodulator und einem Algorithmus zur Synchronisation des Trägers der eintreffenden Nachricht. Einmal implementiert, können mit Hilfe dieser Modems akustisch beliebige Daten (z.B. kleine Textdateien) zwischen verschiedenen PCs übertragen werden. Zum Programmieren wird MATLAB verwendet. MATLAB-Kenntnisse werden nicht vorausgesetzt. Vielmehr ist das Ziel dieses P&S-Kurses, neben dem Kennenlernen der Grundlagen der Digitalkommunikation auch das Programmieren mit MATLAB zu üben. Die Daten der Nachmittage können der Bits on Air-Homepage entnommen werden. Absenzen werden nur in begründeten Ausnahmefällen erlaubt. Der verpasste Stoff muss selbstständig nachgeholt und in einem kurzen Bericht zusammengefasst werden.
227-0085-19L	Projects & Seminars: Software Defined Radio Only for Electrical Engineering and Information Technology BSc. The course unit can only be taken once. Repeated enrollment in a later semester is not creditable.	3 credits	3P	H. Bölcskei
Abstract	The category of "Laboratory Courses, Projects, Seminars" includes courses and laboratories in various formats designed to impart practical knowledge and skills. Moreover, these classes encourage independent experimentation and design, allow for explorative learning and teach the methodology of project work.
Learning objective	Drahtlose Übermittlung von Informationen über Funk ist heute allgegenwärtig. Je nach Anwendung und Frequenzbereich werden dabei verschiedene Modulationsarten benutzt, wobei digitale Verfahren weitgehend die alten analogen Verfahren abgelöst haben. Tools für Software Defined Radio (SDR) ermöglichen es, mit relativ kleinem Aufwand in diese Welt einzutauchen und “auf den Wellen zu surfen”. Durch schnellere Computer wird es möglich, dass immer komplexere Signalverarbeitung in Sendern und Empfängern auf einem Rechner erfolgen können. Dabei können die Algorithmen sehr flexibel und schnell angepasst und verändert werden. In diesem P&S werden wir uns näher anschauen, wie dies funktioniert und was dahintersteckt. Dazu erarbeiten wir uns in einem ersten Teil Grundlagen zu Frequenzen, Spektren, Modulationsarten, Signalverarbeitung, u.s.w. Im zweiten Teil werden wir in Gruppen verschiedene Projekte mit SDR-Tools erarbeiten. Dabei können auch eigene Ideen eingebracht werden. Am Schluss werden die Projekte in einer Präsentation den anderen Teilnehmern vorgestellt.
227-0434-10L	Mathematics of Information	8 credits	3V + 2U + 2A	H. Bölcskei
Abstract	The class focuses on mathematical aspects of 1. Information science: Sampling theorems, frame theory, compressed sensing, sparsity, super-resolution, spectrum-blind sampling, subspace algorithms, dimensionality reduction 2. Learning theory: Approximation theory, greedy algorithms, uniform laws of large numbers, Rademacher complexity, Vapnik-Chervonenkis dimension
Learning objective	The aim of the class is to familiarize the students with the most commonly used mathematical theories in data science, high-dimensional data analysis, and learning theory. The class consists of the lecture, exercise sessions with homework problems, and of a research project, which can be carried out either individually or in groups. The research project consists of either 1. software development for the solution of a practical signal processing or machine learning problem or 2. the analysis of a research paper or 3. a theoretical research problem of suitable complexity. Students are welcome to propose their own project at the beginning of the semester. The outcomes of all projects have to be presented to the entire class at the end of the semester.
Content	Mathematics of Information 1. Signal representations: Frame theory, wavelets, Gabor expansions, sampling theorems, density theorems 2. Sparsity and compressed sensing: Sparse linear models, uncertainty relations in sparse signal recovery, super-resolution, spectrum-blind sampling, subspace algorithms (ESPRIT), estimation in the high-dimensional noisy case, Lasso 3. Dimensionality reduction: Random projections, the Johnson-Lindenstrauss Lemma Mathematics of Learning 4. Approximation theory: Nonlinear approximation theory, best M-term approximation, greedy algorithms, fundamental limits on compressibility of signal classes, Kolmogorov-Tikhomirov epsilon-entropy of signal classes, optimal compression of signal classes 5. Uniform laws of large numbers: Rademacher complexity, Vapnik-Chervonenkis dimension, classes with polynomial discrimination
Lecture notes	Detailed lecture notes will be provided at the beginning of the semester.
Prerequisites / Notice	This course is aimed at students with a background in basic linear algebra, analysis, statistics, and probability. We encourage students who are interested in mathematical data science to take both this course and "401-4944-20L Mathematics of Data Science" by Prof. A. Bandeira. The two courses are designed to be complementary. H. Bölcskei and A. Bandeira
401-5680-00L	Foundations of Data Science Seminar	0 credits		P. L. Bühlmann, A. Bandeira, H. Bölcskei, J. M. Buhmann, T. Hofmann, A. Krause, A. Lapidoth, H.‑A. Loeliger, M. H. Maathuis, N. Meinshausen, G. Rätsch, S. van de Geer, F. Yang
Abstract	Research colloquium
Learning objective