• Zur Metanavigation
  • Zur Hauptnavigation
  • Zur Suche
  • Zum Inhalt
  • Zur Subnavigation
  • Zum Seitenfuß
  • Universität Hamburg
  • Presse
  • KUS-Portal0
  • STiNE
https://www.kus.uni-hamburg.de/aktuelles.json?recentnews=true
  • Einrichtungen und Zielgruppen
    • Einrichtungen
      • Fakultäten

        • Fakultät für Rechtswissenschaft
        • Fakultät für Wirtschafts- und Sozialwissenschaften
        • Medizinische Fakultät
        • Fakultät für Erziehungswissenschaft
        • Fakultät für Geisteswissenschaften
        • Fakultät für Mathematik, Informatik und Naturwissenschaften
        • Fakultät für Psychologie und Bewegungswissenschaft
        • University of Hamburg Business School
      • Dienste

        • STiNE
        • Surfmail
        • Exchange
        • KUS-Portal
        • Lernplattformen
        • Katalogplus
        • SharePoint
      • Einrichtungen für Studierende

        • Campus-Center
        • Career-Center
        • PIASTA
        • AStA
        • Hochschulsport
        • Universitätsmusik
        • Familienbüro
        • Sprachenzentrum
        • Allgemeinsprachen
        • Koordination der Belange von Studierenden mit Beeinträchtigungen
        • Bibliotheken
        • Healthy Campus
      • Weitere Einrichtungen

        • Exzellenzcluster CLICCS
        • Exzellenzcluster CUI
        • Exzellenzcluster Quantum Universe
        • Exzellenzcluster Understanding Written Artefacts
        • Hamburg Research Academy
        • Pier Plus
        • Hamburger Zentrum für Universitäres Lehren und Lernen (HUL)
        • Hub for Crossdisciplinary Learning (HCL)
        • Centrum für Erdsystemforschung und Nachhaltigkeit (CEN)
        • Museen und Sammlungen
        • Universitätsarchiv
        • Regionales Rechenzentrum (RRZ)
        • Präsidialverwaltung
        • Transferagentur
        • Unikontor
    • Zielgruppen

      • Studieninteressierte
      • Studierende
      • Internationale
      • Promovierende
      • Forschende
      • Lehrende
      • Beschäftigte (KUS)
      • Weiterbildungsinteressierte
      • Alumni
      • Presse
      • Geflüchtete
    Schließen
  • Gebärdensprache
  • Leichte Sprache
  • Language
    • Deutsch
    • English
  • /sitemap.json
    GebärdenspracheLeichte Sprache
Universität Hamburg - der Forschung, der Lehre, der Bildung, zur Homepage

Fachbereich Mathematik

FachbereichMathematik
  • Über den Fachbereich
    • Aktuelles und Veranstaltungen
    • FB-Leitung und Verwaltung
    • Gleichstellung
    • Von und für Studierende
    • Mathematik ist schön
    • Stellenangebote am FB Mathematik
    • Kontakt / Anreise
  • Studium
    • Studienbüro
    • Infos für Studieninteressierte
    • Infos für Studierende
    • Infos für Lehrende
    • Bachelorstudiengänge
    • Masterstudiengänge
    • Lehramtsstudiengänge
    • Weitere Studiengänge
    • Promotion und Habilitation
  • Forschung
    • Forschungsbereiche
    • Extern geförderte Forschung
    • Fachübergreifende Arbeitsbereiche und Zentren
    • Veröffentlichungen
  • Transfer
    • ERASMUS+
    • Angebote für Schüler und Schülerinnen
    • Lehramtsausbildung Mathematik
    • Lehrexport
    • Begabtenförderung
  • Personen
    • Alle nach Namen
    • Alle nach Arbeitsbereichen
    • Alle nach Funktion
  • Service
    • Lageplan / Anfahrt
    • Öffnungszeiten Geomatikum
    • Bibliothek
    • IT-Dienste
    • Erste Hilfe / Arbeitssicherheit
    • Mensa und Café
    • Zentrale Dienste
    • Intern

Foto: UHH/Denstorf

  1. UHH
  2. MIN-Fakultät
  3. Fachbereich Mathematik
  4. Studium
  5. Master
  6. Data Science

Data Science in den mathematischen Masterstudiengängen

Data Science

Code plus Graphic

Foto: UHH / J.Lederer

Data Science spielt in fast allen Disziplinen und Branchen eine wichtige Rolle bei der Automatisierung, der Erkennung von Mustern in großen Datensätzen und der Risikobewertung. Im Gesundheitswesen hilft Data Science bei der Diagnose und bei der Personalisierung von Behandlungen, während sie im Finanzwesen hilft, Betrug aufzudecken und Investitionen zu optimieren. Data Science ist auch die Grundlage für KI-gesteuerte Innovationen wie Chatbots oder selbstfahrende Technologien.

Die Kurse lassen sich in drei Schwerpunktbereiche einteilen:

Drei Schwerpunktbereiche

Wahrscheinlichkeitsrechnung und Statistik

Kursname
(verantwortliche Lehrkraft)
Vorlesungen und Übungen Leistungspunkte
High-dimensional statistics I
(Johannes Lederer)
2+2 Stunden 8
High-dimensional statistics II
(Johannes Lederer)
2+2 Stunden 12
Introduction to Extreme Value Theory
(Holger Drees)
2+1 Stunden 6
Multivariate Extreme Value Statistics
(Holger Drees)
2+1 Stunden 9
Introduction to Stein’s method
(Chinmoy Bhattacharjee)
3+1 Stunden 8
Empirical processes
(Natalie Neumeyer)
3+1 Stunden 8
Functional data analysis
(Natalie Neumeyer)
2+1 Stunden 6
Bootstrap
(Natalie Neumeyer)
2+1 Stunden 6
Asymptotic statistics
(Natalie Neumeyer)
2+1 Stunden 6
Time series analysis
(Natalie Neumeyer)
2+1 Stunden 9
Stochastic analysis
(Vitalii Konarovskyi)
4+2 Stunden 12
Stochastic differential equations (with application to supervising learning)
(Vitalii Konarovskyi)
3+1 Stunden 12

Optimierung und Numerik

Kursname
(verantwortliche Lehrkraft)
Vorlesungen und Übungen Leistungspunkte

Mathematical Machine Learning
(Armin Iske)

2+1 Stunden 6
Inverse Problems and Learning
(Martin Burger)
2+1 Stunden 6
Non-Smooth Optimization
(Winnifried Wollner)
2+1 Stunden 6
Optimization Methods for Machine Learning
(Winnifried Wollner)
2+1 Stunden 6
Introduction to Deep Learning*
(Martin Spindler)
2+1 Stunden 6
Causal Machine Learning*
(Martin Spindler)
2+1 Stunden 6

* Kurse, die außerhalb der MIN-Fakultät angeboten werden; über die Zulassung entscheidet der jeweilige Fachbereich

Data Science in der Praxis

Kursname
(verantwortliche Lehrkraft)
Vorlesungen und ÜbungenLeistungspunkte

Statistical Programming with Python*
(Martin Spindler)

2+1 Stunden 6

Einführung in Deep Learning*
(Martin Spindler)

2+1 Stunden 8
Geeignete Kurse aus den Naturwissenschaften

* Kurse, die außerhalb der MIN-Fakultät angeboten werden; über die Zulassung entscheidet der jeweilige Fachbereich

Um vertiefte Kenntnisse in den mathematischen Datenwissenschaften zu erlangen, empfehlen wir, ca. 30 Leistungspunkte aus der obigen Liste zu absolvieren, davon mindestens 9 Leistungspunkte aus jedem der ersten beiden Schwerpunktbereiche. Beachten Sie, dass nicht alle Kurse jedes Jahr angeboten werden.

Contact

Kontakt

Prof. Dr. Johannes Lederer
Universität Hamburg
Professor für Mathematik datenbasierter Methoden
Bundesstraße 55, Raum T19
20146 Hamburg
Tel.: +49 40 2395-
E-Mail: johannes.lederer"AT"uni-hamburg.de

Sprechzeiten

    nach Vereinbarung

Verändert am 6. Oktober 2025

  • Feedback
  • Impressum
  • Datenschutzerklärung
  • Barrierefreiheit
  • Sitemap

Universität Hamburg

Innovating and Cooperating for a Sustainable Future in a Digital Age

  • Folge uns auf Instagram.
  • Folge uns auf Facebook.
  • Vernetze dich mit uns auf LinkedIn.
  • Folge uns auf Mastodon.
  • Folge uns auf Bluesky.
  • Abonniere unseren Kanal auf YouTube.
    • Studium an der UHH
    • Studieninteressierte
    • Weiterbildung
    • Forschung an der UHH
    • Lehre an der UHH
    • Promovieren
    • Karriere & Stellenangebote
    • Transfer
    • Universität
    • Exzellenz
    • Nachhaltigkeit
    • Fakultäten
    • Alumni-Netzwerk
    • Kontakt
    • Campus-Karte
    • UHHApp
    • Notfall & Sicherheit
    • Antidiskriminierung
Zur Seite Audit familiengerechte Hochschule
Zur Seite Audit Internationalisierung
Zur Seite Audit Nachhaltigkeit
Zur Seite Diversity-Audit
Zur Seite Systemakkreditierung

© 2026 Universität Hamburg. Alle Rechte vorbehalten