Общая Информация по Программе обучения "Applied Mathematics for Network and Data Sciences"

• Уровень: Магистратура
• Диплом: Master of Science (M.Sc.)
• Язык обучения: Английский
• Начало обучения: Зимний семестр
• Срок обучения: 4 семестров
• Форма обучения: Полная
• Учебные кредиты: 120 ECTS
• Стоимость: € 0 / Семестр
• Семестровый взнос: € 95 / семестр
• Правила приема: Без конкурса
• Минимальный уровень английского: B2

Описание программы обучения "Applied Mathematics for Network and Data Sciences"

Der enorme technische Fortschritt der letzten zwei Jahrzehnte hat innovative Produkte und Dienstleistungen hervorgebracht, die mehr als je zuvor auf mathematischen Errungenschaften basieren. Die moderne Mathematik ist eine wesentliche Schlüsseltechnologie für anspruchsvolle Anwendungen im Bereich digitaler Medien. Sie bildet die unverzichtbare Grundlage für eine sichere und zuverlässige Übertragung digitaler Daten, für die Geheimhaltung von Informationen, für den Schutz des geistigen Eigentums, die Suche nach Mustern in Bild- und Videodaten, die Analyse und Optimierung von Datennetzen und die satellitengestützte Navigation. Ohne sie gäbe es kein mobiles Telefonieren, keine sichere Bezahlung im Internet, kein digitales Fernsehen, keine MP3-Player, keine schnelle Suche im World Wide Web und keine QR-Codes. Auch die Modellierung, Analyse und Simulation von Rechnernetzen und sozialen Netzwerken basiert auf fortgeschrittenen mathematischen Erkenntnissen und Methoden. Das Anwendungsspektrum der modernen Mathematik reicht von der Mikro- und Unterhaltungselektronik (einschließlich Social Media) über Kfz-Telematiksysteme und sicherheitsrelevante Tätigkeiten (BND, BSI) bis zur Medizintechnik (bildgebende Verfahren, Klassifikation von Bilddaten). Dabei genügt es in der Regel nicht, die zugrundeliegenden Verfahren, etwa der Kryptologie, zu kennen und zu implementieren. Die immerwährende Anpassung und Weiterentwicklung dieser Verfahren und die kritische Beurteilung ihrer Adäquatheit, Sicherheit und Zuverlässigkeit setzt ein sehr tiefes Verständnis der zugrundeliegenden mathematischen Disziplinen (Codierungstheorie, Kryptologie, Mustererkennung o.ä.) voraus, das in nichtmathematischen Studiengängen nicht erreichbar ist. Die Fokussierung auf die oben skizzierten und weitere Anwendungsgebiete, die an Bedeutung und Breite zunehmen werden, garantiert den Absolventen ein wachsendes Betätigungsfeld und exzellente Perspektiven auf dem Arbeitsmarkt. 

Карьерные перспективы по завершению программы обучения "Applied Mathematics for Network and Data Sciences"

Ожидаемые результаты программы обучения "Applied Mathematics for Network and Data Sciences"

Nach Abschluss des Studiums

• verfügen Sie über anwendungsbereite und forschungsrelevante Kenntnisse auf dem Gebiet der Automatentheorie, der Codierungstheorie, der Kryptologie, der mathematischen Netzwerkanalyse, der stochastischen Modellierung, Simulation und Visualisierung sowie in Teilgebieten der künstlichen Intelligenz.
• können Sie sich neues Wissen aus anderen Teilgebieten der Mathematik oder Informatik selbstständig aneignen und zukünftige wissenschaftliche sowie technische Entwicklungen erkennen und in ihre Arbeit einbeziehen.
• verfügen Sie über ein besonderes Abstraktionsvermögen und die Befähigung zu konzeptionellem, logischem, strukturellem und algorithmischem Denken.
• sind Sie befähigt, mathematische Hypothesen zu formulieren, zu beweisen oder zu widerlegen.
• besitzen Sie sehr tiefgreifende Kenntnisse in Programmierung und Algorithmik.
• sind Sie befähigt, mit Informatikern und Ingenieuren in größeren Programmierprojekten interdisziplinär zusammenzuarbeiten und die Projektleitung in solchen Projekten zu übernehmen.
• beherrschen Sie den internationalen mathematischen Sprachgebrauch in Wort und Schrift und können Ihre Ergebnisse in mathematischen Texten und Vorträgen auf fachlich hohem Niveau kommunizieren.
• verfügen Sie über die Befähigung zur selbstständigen wissenschaftlichen Arbeit und Weiterbildung, zur Mitarbeit in wissenschaftlichen und öffentlichen Institutionen und zur Promotion in Mathematik oder Informatik.