Master in Angewandter Mathematik und Statistik

Schwerpunkt 1. Klasse: Angewandte Mathematik und Statistik

Dieser Masterstudiengang im ersten Jahr bietet ein breites Spektrum an Grundlagen- und Vertiefungskursen in Angewandter Mathematik. Dies ermöglicht es den Studierenden, einen personalisierten Lehrplan zu erstellen, der an ihre akademischen und beruflichen Projekte in den folgenden Bereichen angepasst ist:

• Statistik, Finanzen und Versicherungsmathematik
• Modellierung, Wahrscheinlichkeit und künstliche Intelligenz
• Optimierung
• Signal, Computing und maschinelles Lernen
• Numerische Analyse und EDV

Zum Abschluss des Master-Studiums können Studienanfängerinnen und Studienanfänger folgende Studiengänge im zweiten Studienjahr belegen:

• Masterjahr 2 - Statistik, Finanz- und Versicherungsmathematik
• Masterjahr 2 - Mathematische Modellierung
• Masterjahr 2 - Statistik, Finanzen und Versicherungsmathematik
• Masterjahr 2 - Wahrscheinlichkeit und Finanzen

Konzentrieren Sie sich auf die Spezialisierung in Statistik, Finanzen und Versicherungsmathematik im zweiten Jahr

Stochastische Modelle werden intensiv in Finanzinstituten und Versicherungsunternehmen eingesetzt. Neben Modellspezifikationen sind genaue statistische Methoden entscheidend für Schätzung, Kalibrierung und Prognose. Dieser Trend wurde in letzter Zeit durch den Aufstieg der Datenwissenschaft und des maschinellen Lernens verstärkt.

Der Masterstudiengang Statistics, Finance and Actuarial Science zielt darauf ab, hochrangige Spezialisten in den Bereichen Zufallsmodellierung und Risikomanagement auszubilden, um den Bedürfnissen aller Arten von Finanzinstituten gerecht zu werden. Um dieses ehrgeizige Ziel zu erreichen, ist ein starkes Maß an Wahrscheinlichkeit und Statistik erforderlich. Der Lehrplan ist um Kernkurse in Zeitreihen, maschinelles Lernen, Risikomanagement, Versicherungsmathematik und Finanzmathematik herum organisiert.

Konzentrieren Sie sich auf die Data Science-Spezialisierung imzweiten Jahr

Die Nutzung der heutigen immensen Datenmengen erfordert ausgefeilte mathematische Techniken, die die Grundlage von Data Science bilden. Dieser Übergang von Daten zu Wissen bringt viele Herausforderungen mit sich, die einen interdisziplinären Ansatz erfordern. Data Science stützt sich stark auf die statistische Verarbeitung von Informationen: mathematische Statistik, numerische Statistik, statistisches Lernen und maschinelles Lernen.

Ein breites Spektrum mathematischer und numerischer Statistik- und Lernmethoden wird verwendet, von der Analyse explorativer Daten bis hin zu ausgefeilten Inferenztechniken (hierarchische grafische Modelle) und Klassifikation oder Regression (Deep Learning, Support Vector Machine). Um in großem Maßstab entwickelt zu werden, erfordern diese Methoden die Beherrschung von Datenverteilungsmechanismen und groß angelegten Berechnungen. Angewandte Mathematik (Funktionsanalyse, Numerik, konvexe und nicht-konvexe Optimierung) spielt ebenfalls eine wesentliche Rolle.

Jahr 2: Andere Spezialisierungen

• Mathematische Modellierung
• Wahrscheinlichkeit und Finanzen

Karriere

Studenten der Spezialisierung Statistik, Finanzen und Versicherungsmathematik werden für eine Karriere gerüstet, die Zufallsmodellierung und Risikomanagement für alle Arten von Finanzinstituten, einschließlich Banken, Versicherungsunternehmen, Vermögensverwalter und Hedgefonds, erfordert.

Studierende der Vertiefungsrichtung Data Science werden auf dem globalen Arbeitsmarkt mit Spannung erwartet.