Studiengang Mathematics of Machine Learning and Data Science [Master]

Englisch B2

zulassungsbeschränkt, siehe Zulassungsordnung

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.