Überblick
Der englischsprachige Masterstudiengang Mathematical Data Science an der Universität Ulm vermittelt die mathematischen Fundamente moderner Datenanalyse. Studierende befassen sich intensiv mit den theoretischen Prinzipien von Künstlicher Intelligenz, Machine Learning und statistischer Modellierung. Das Studium am Wissenschaftsstandort Ulm bereitet gezielt auf komplexe analytische Aufgaben in Forschung und Industrie vor.
Studieninhalte
An der Schnittstelle der Fachgebiete Mathematik, Datenanalyse und Künstlicher Intelligenz vermittelt der englischsprachige Masterstudiengang Mathematical Data Science an der Universität Ulm ein tiefes Verständnis für die mathematischen Grundlagen moderner Datenanalyseverfahren und Machine-Learning-Algorithmen. Studierende lernen die zugrundeliegenden quantitativen Methoden kennen, um diese weiterzuentwickeln und gezielt auf komplexe, reale Datenprobleme anzuwenden. Das vertiefende Vollzeitstudium umfasst vier Semester (120 ECTS) und setzt einen Bachelorabschluss in Mathematik oder einem fachverwandten Studiengang voraus.
Studieninhalte & Module
Das Studium kombiniert theoretische Vorlesungen mit praktischen Projektarbeiten und Vertiefungsoptionen. Zu den Kern- und Wahlmodulen des Curriculums gehören:
- Mathematics of Machine Learning
- Practical Foundations of Data Science
- Functional Analysis
- Mathematical Statistics
- Ethics and Technology
- Numerical Methods for Data Science
- Data Lab
- Wahlmodule: Mathematical Methods and Applications in Data Science
- Seminar und Additive Schlüsselqualifikationen
- Masterarbeit
Berufsperspektiven
Absolventinnen und Absolventen beherrschen mathematische Denkweisen, um Algorithmen zu beurteilen, Fehlerraten von Machine-Learning-Verfahren zu kontrollieren und neue datenwissenschaftliche Methoden zu entwickeln. Ihre Kompetenzen sind in vielfältigen Branchen wie der medizinischen Forschung, der Industrie, der Raumfahrt oder im Marketing gefragt. Neben dem fachlichen Spezialwissen werden insbesondere das strukturierte Denken und das systematische Arbeiten in der Praxis hochgeschätzt.
Besonderheiten
Der Studiengang zeichnet sich durch eine persönliche Lernatmosphäre ohne anonymen Massenbetrieb oder überfüllte Hörsäle aus, ergänzt durch einen direkten Kontakt zu den Lehrenden. Starke Kooperationen mit der Wirtschaft ermöglichen die Teilnahme an interdisziplinären Forschungsprojekten und die Zusammenarbeit mit Unternehmen. Zudem bieten die fakultätseigenen Lehrinkubatoren CODEcenter und MATHFEED eine zeitgemäße Ausbildung im Umgang mit Programmierumgebungen und modernen Übungsformaten im Kontext von KI-Tools wie ChatGPT.
Zulassung & Voraussetzungen
Keine Zulassungsbeschränkung, ohne NC
Bewerbung & Fristen
Studienbeginn: nur Wintersemester