Een wiskunde D-dag vol inspiratie voor leerlingen en docenten

Op vrijdag 6 juni organiseert faculteit EWI TU Delft – in samenwerking met Bètasteunpunt Zuid-Holland –  een middag voor leerlingen uit 4 en 5 vwo met wiskunde D in hun pakket. In het bijzonder zijn ook de leerlingen die via de Bètasteunpunten wiskunde D online volgen van harte welkom.

Op de Wiskunde D-middag nemen we de leerlingen in drie verschillende workshops mee in de wiskundewereld van de TU Delft. Daarbij nemen we onderwerpen als uitgangspunt die bij het vak aan bod zijn gekomen of misschien nog gaan komen.

Met als thema “Alles is wiskunde” spreken vertegenwoordigers uit de wereld van wetenschap en bedrijfsleven over het belang en de schoonheid van wiskunde.

Programma:

12:30 uur Inloop Lecturehall Ampère (EWI gebouw 36)
13:00 uur Welkom en Prof. dr. A.J. (Annoesjka) Cabo, Director of Education EEMCS| Academic Director TU Delft Teaching Academy
13:15 uur de oppervlakte van driehoeken, polygonalisatie en landmeetkunde door Wim Caspers
14:00 uur Jeroen Spandaw met De abcde-formule?
14:45 uur Pauze
15:00 uur Alexander Heinlein: (Engelstalig) Can a Neural Network Learn the Laws of Physics? A Swinging Pendulum Example
15:45 uur Gezamenlijke afsluiting
16:00 uur Einde

Locatie: TU Delft, Elektrotechniek, Wiskunde en Informatica (EWI gebouw 36), Mekelweg 4, Delft Lecturehall Ampère 36.HB.01.670

Sprekers:

Wim Caspers: de oppervlakte van driehoeken, polygonalisatie en landmeetkunde

Jeroen Spandaw: De abcde-formule?
Je kent de abc-formule voor de oplossingen van de kwadratische vergelijking ax^2+bx+c=0.
Maar hoe vind je de abcd-formule voor de derdegraadsvergelijking ax^3+bx^2+cx+d=0?
En de abcde-formule voor de vierdegraadsvergelijking ax^4+bx^3+cx^2+dx+e=0? Dat leer je op deze wiskunde-D-dag.

Alexander Heinlein: (Engelstalig) Can a Neural Network Learn the Laws of Physics? A Swinging Pendulum Example
Can a computer program learn the fundamental rules that govern how the world works? In this talk, we explore how a type of artificial intelligence called a neural network can use mathematical equations to understand the behavior of physical systems—a different approach from typical machine learning, which only relies on data. Using the example of a swinging pendulum, we show how the network can learn directly from Newton’s second law of motion.