Fakultät für Mathematik und Informatik Mathematics of Machine Learning and Data Science – Master
Zustimmung des Ministeriums noch ausstehend
Studierende der Mathematik erwerben das für das Verständnis mathematischer Texte notwendige abstrakte Denkvermögen und die für die präzise Kommunikation erforderliche mathematische Fachsprache. Darauf aufbauend lernen sie, sich selbstständig mathematische Methoden anzueignen, diese anzuwenden und auch weiterzuentwickeln.
Fakten & Formalia
| Abschluss | Master of Science |
| Studiengangstyp | Konsekutiv |
| Studienbeginn | Nur Wintersemester |
| Regelstudienzeit | 4 Semester |
| Lehrsprache(n) | Englisch |
| Gebühren und Beiträge | 161,10 € / Semester |
| Bewerbungsverfahren | Verfahren für Masterstudiengänge mit Zugangs- und Zulassungsbeschränkung |
| Bewerbungsfristen | Informationen zu Bewerbungsfristen erhalten Sie, nachdem Sie sich einen Studiengang zusammengestellt haben. |
| Teilzeitoption | Ja |
| Vollständig auf Englisch absolvierbar | Ja |
Inhalt des Studiums
Der Masterstudiengang vermittelt mathematische Grundlagen des Forschungsgebietes “Machine Learning and Data Science” durch relevante Lehrinhalte der reinen Mathematik (Topologie, Differentialgeometrie, Dynamische Systeme) und der angewandten Mathematik (Statistik, Optimierung, Numerik, Funktionalanalysis), welche für das Verständnis und die Weiterentwicklung der Methoden notwendig sind.
Der Masterstudiengang unterscheidet sich vom Masterstudiengang Mathematik durch den Fokus auf das Zusammenwirken mathematischer Konzepte und die forschungsorientierte Ausrichtung auf Machine Learning und Data Science. Die Projektbearbeitung im Data Science Lab schult die Anwendung der Methoden und die Teamarbeit
Aufbau des Studiums
Das Studium ist folgendermaßen gegliedert.
- Ringvorlesung
- Fachstudium
- Data Science Lab
- Fachübergreifende Kompetenzen
- Masterarbeit
Das Fachstudium ist in 5 Gebiete und entsprechende Module gegliedert, von denen 3 obligatorisch zu belegen sind:
- Geometric Methods for Machine Learning
- High-dimensional Numerics
- Partial Differential Equations and Measures
- Statistical Learning and Empirical Process Theory
- Variational Methods and Numerical Optimization
Die Ringvorlesung führt zu Beginn des Studiums in diese Gebiete ein. Im Data Science Lab wird die Umsetzung der Methoden in konkreten Projekten studiert. Spezialisierungsmodule aus dem gesamten Bereich der Mathematik ergänzen und vertiefen die Teilgebiete.
Persönliche Voraussetzungen
Die Voraussetzungen werden durch die Zulassungsordnung festgelegt. Insbesondere sind Kenntnisse der Mathematik im Umfang einer entsprechenden Grundlagenvorlesung in drei der folgenden Bereiche nachzuweisen: Funktionalanalysis, Differentialgeometrie, Optimierung, Statistik und Wahrscheinlichkeitstheorie, Numerik.
Mein Weg zu Bewerbung und Zulassung
Über den Button „Studienfach merken und bewerben +“ können Sie dieses Studienfach zur Merkliste des Studiengangfinders hinzufügen. Dort finden Sie individuell auf Ihr Bewerbungsprofil zugeschnittene Informationen zu Bewerbung, Zulassung und Immatrikulation und auch den Zugang zur Bewerbungsplattform. Bitte beachten Sie die jeweiligen Termine und Fristen.