Data Science in den mathematischen Masterstudiengängen

Data Science

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 Übungen	Leistungspunkte
Statistical Programming with Python* (Martin Spindler)	2+1 Stunden	6
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 42838-9303

E-Mail: johannes.lederer"AT"uni-hamburg.de

Sprechzeiten

nach Vereinbarung