Universität Bayreuth
Universität Magdeburg
Universität Rostock
Technische Universität Chemnitz
Uni Freiburg
Technische Universität Braunschweig
Universität Würzburg
Universität Duisburg-Essen
Universität Stuttgart
Freie Universität Berlin
Technische Universität Chemnitz
TU Wien
Uni Göttingen
Uni Regensburg
Uni Graz
Uni Jena
Uni Köln
Universität Potsdam
Uni Ulm
Uni Wien
Bayreuth: Computational Mathematics (M.Sc.)
Infos und BewerbungAuf einen Blick
Übersicht
Der Master-Studiengang "Computational Mathematics" an der Universität Bayreuth ist ein konsekutives Programm, das mit dem Titel Master of Science abgeschlossen wird. Es richtet sich an Studierende, die ihre Kenntnisse in mathematischer Modellierung, numerischer Analyse und rechnergestützter Problemlösung vertiefen möchten. Das Studium kann sowohl im Sommer- als auch im Wintersemester begonnen werden und wird in Vollzeit angeboten. Die Regelstudienzeit beträgt zwei Semester.
Studieninhalte und Studienorganisation
Der Studiengang ist modular aufgebaut und umfasst sowohl theoretische Inhalte als auch praktische Anwendungsfelder der Computational Mathematics. Die Lehrveranstaltungen finden in deutscher und englischer Sprache statt. Das Curriculum beinhaltet Kernmodule in Bereichen wie linearer Algebra, Analysis, numerischen Methoden, Algorithmik und Simulationstechniken.
Wichtige Inhalte:
- Kernmodule in linearer Algebra, Analysis, numerischen Methoden, Algorithmik und Simulationstechniken
- Wahlpflichtmodule für Spezialisierungen in Datenanalyse, Optimierung oder wissenschaftlichem Rechnen
- Projektbezogene Lehrformate und Kooperationen mit Forschungsinstituten
- Praxisorientierte Elemente wie Praktika und Projektarbeiten
Die Ausbildung erfolgt in Präsenzform am Standort Bayreuth, wobei Lehrveranstaltungen in Vorlesungen, Übungen und praktischen Seminaren gestaltet werden.
Berufliche Perspektiven
Absolventinnen und Absolventen verfügen über eine fundierte wissenschaftliche Qualifikation in rechnergestützter Mathematik und sind in der Lage, komplexe mathematische Probleme in verschiedenen Anwendungsfeldern zu modellieren und zu lösen.
Typische Einsatzbereiche:
- Forschung und Entwicklung in der Industrie
- Datenanalyse
- Softwareentwicklung
- Finanzbranche
- Wissenschaft und Technik