Der Masterstudiengang Mathematics in Data Science kombiniert eine hochkarätige Ausbildung in Mathematik mit einem Schwerpunkt auf den aufstrebenden Bereichen Data Science und künstliche Intelligenz. Das Programm wird überwiegend in Englisch unterrichtet.
Data-driven Technologien eröffnen ein breites Spektrum an bahnbrechenden Entwicklungen und Anwendungen – von maschinellem Lernen über autonome Fahrzeuge und intelligente Netze bis hin zu innovativer medizinischer Diagnostik. Die Studierenden lernen, Technologien zum Sammeln, Speichern, Auswerten und Sichern großer Datenmengen zu verstehen, zu entwickeln und anzuwenden.
Das Programm konzentriert sich auf Methoden und Algorithmen aus den Bereichen Statistik, maschinelles Lernen, Optimierung und Datendarstellungstheorie und macht die Studierenden mit spezifischen Datenanalysetechniken vertraut. Sie erwerben ein fundiertes Verständnis mathematischer Methoden zur Modellierung und Analyse sehr großer Datenmengen sowie zur Berechnung, Simulation und Vorhersage komplexer Phänomene, beispielsweise im Kundenverhalten, in der wirtschaftlichen Entwicklung oder in der medizinischen Diagnostik und Therapie. Sie lernen, mathematische Analysemodelle und komplexe Vorhersagemodelle zu entwickeln. Dabei setzen sie sich intensiv mit den technischen und methodischen Grundlagen der Datenspeicherung und -sicherung auseinander und reflektieren kritisch die gesellschaftlichen und ethischen Implikationen der Entwicklung und Anwendung datengesteuerter Technologien.
Absolventen des Programms sind Experten für die Auswertung und Nutzung großer Datenmengen auf der Grundlage komplexer mathematischer Modelle. Sie sind in der Lage, Methoden zur Datenaufbereitung und -analyse zu bewerten und zu entwickeln und diese bedarfsgerecht einzusetzen. Damit sind sie hervorragend für die weitere Arbeit in der akademischen Forschung sowie für Führungspositionen in Technologieunternehmen qualifiziert.
Das Programm legt einen Schwerpunkt auf Methoden und Algorithmen aus den Bereichen Statistik, maschinelles Lernen, Optimierung und der Theorie der Datendarstellung. Der Fokus liegt auf den theoretischen und praktischen Aspekten von Data Engineering, Data Analysis, Machine Learning und Data Science. Darüber hinaus sollen die Studierenden interdisziplinäre Lehrveranstaltungen wie z.B. Grundrechtsveranstaltungen sowie Vorlesungen über die sozialen und politischen Auswirkungen von "Big Data" und Künstlicher Intelligenz besuchen.