Jump to main content
Faculty of Mathematics
Faculty of Mathematics

Data Science (Master of Science (M.Sc.))

Information for foreign applicants

  • our course has German language requirements, i.e., German on the level C1 or equivalent
  • if you do not have a first degree from a German university you need to apply via uni-assist until the typically the 15th of July! Don't wait until the last minute.
  • For students interested with no German knowledge, we do offer an international Master on Advanced and Computational Mathematics where you can take most Data Science courses.

Warum Data Science studieren?

Mit dem Terminus `Data Science' wird seit ca. 5 Jahren eine neue Disziplin bezeichnet mit dem Ziel, aus sehr großen, oft unstrukturierten Datenmengen Information und Erkenntnis zu gewinnen. Anwendungen finden sich in nahezu allen Bereichen menschlichen Lebens, beispielsweise
  • in den Wirtschaftswissenschaften, wo anhand riesiger Kundendatenbanken das Kaufverhalten von Konsumenten zu antizipieren oder deren Kreditwürdigkeit zu bewerten ist;
  • in den Ingenieurwissenschaften bei der Entwicklung autonomer Fahrzeuge oder der intelligenten Bildverarbeitung;
  • in den Geisteswissenschaften bei der maschinellen Übersetzung und Interpretation natürlicher Sprache sowie der Auswertung von nach Digitalisierung elektronisch verfügbaren Text- und Bildbeständen („digital humanities“);
  • in den Human- und Sozialwissenschaften bei der Beurteilung von Wählerüberzeugungen anhand der Daten sozialer Netzwerke;
  • in der Medizin bei der datenbasierten Diagnostik sowie in der Pharmazie bei datenbasiertem Wirkstoffdesign;
  • in der Justiz bei der Rückfallprognose von Straftätern.
Die sich fortsetzende Kostenreduktion und Weiterentwicklung von Rechen- und Speichertechnik, die ungebremste weltweite Produktion neuer Daten, die intensive Forschung an neuen Algorithmen, etwa bei maschinellem Lernen, und nicht zuletzt die enorme Nachfrage der Wirtschaft nach Absolventen mit Spezialkenntnissen aus diesem Bereich machen Kenntnisse in Data Science zu einer Schlüsselkompetenz für Arbeitsmarkt und Forschung. Mit diesem Masterstudiengang soll an der TU Chemnitz ab dem Wintsersemester 2018/19 der Erwerb fortgeschrittener Data-Science-Kenntnisse ermöglicht werden. Insbesondere die Entwicklung des südwestsächsischen Arbeitsmarktes verspricht seinen Absolventen die Aussicht, auch im Chemnitzer Umfeld anspruchsvolle berufliche Tätigkeiten zu finden. Natürlich haben Absolventen des Masterstudiums Data Science durch ihre spezielle Ausbildung gute Chancen auf einen höheren Berufseinstieg in Unternehmen weltweit und die Möglichkeit der weiteren Qualifizierung im Hochschul- und Universitätsbereich.

Wer kann bei uns Data Scientist werden?

Data Science lebt von mathematischen Methoden mit starken Bezügen zur Informatik. Unser Masterstudiengang ist daher offen nicht nur für Absolventen aus der Mathematik, sondern auch mathematiknaher Disziplinen wie Informatik, Elektrotechnik und Physik. Diese Absolventen werden automatisch zugelassen, wenn Ihr Studium ausreichend mathematische Credit Points beinhaltet, aber auch Absolventen anderer Studiengängen können nach Einzelfallprüfung zum Data Science Studium zugelassen werden.

Bis wann habe ich Zeit?

Der Studiengang ist zulassungfrei, wenn die oben genannten Vorraussetzungen erfuellt sind und die Immatrikulationsfrist für zulassungsfreie Studiengänge endet Mitte Juli fuer Berwerber*innen mit einem Abschluss aus dem Ausland und Mitte September fuer Bewerber*innen mit Studienabschluessen einer deutschsprachigen Universität.

Unsere Erfolge

Unsere Studierenden nehmen regelmäßig am Data Mining Cup teil. Mit tollen Platzierungen!

Wer kann bei uns Data-Science studieren?

Data Science lebt von mathematischen Methoden mit starken Bezügen zur Informatik. Unser Masterstudiengang ist daher offen nicht nur für Absolventen aus der Mathematik, sondern auch mathematiknaher Disziplinen wie Informatik, Elektrotechnik und Physik. Diese Absolventen werden automatisch zugelassen, aber auch Absolventen anderer Studiengänge können nach Einzelfallprüfung zum Data Science Studium zugelassen werden.
Dafür werden Sie sich bitte an datascience@math.tu-chemnitz.de.

Bitte bewerben Sie sich im Bewerberportal der TU Chemnitz.

Pflichtmodule
Introduction to Data Science
Foundations of learning     Statistical learning      Supervised Learning      Unsupervised learning
Modellierungsseminar
Industrial collaboration     Collaborations      Coding      Modeling
Neurocomputing
Neural Networks     LSTM      Deep Spiking Networks      Reservoir computing
Wahlpflichtmodule
Mathematical Foundations of Big Data Analytics
Clustering     Supervised Learning      BI Applications      SVM
Matrix Methods in Data Science
Factorizations (SVD/QR/CUR/NMF)     Graph-based learning      Tensor Methods      Algorithms for Gaussian processes
Statistics in Data Science
Topic     Statistical foundations      Sampling      Gaussian processes
Optimization in Machine Learning
Optimization for Deep Learning      Kernel Methods      ResNets      CNNs
Deep Reinforcement Learning
Topic     Policy gradient methods      Hierarchical RL      Value-based deep RL

Prof. Dr. Oliver Ernst

Karriere:
Dipl. Math. Karlsruhe, PhD Stanford, University of Maryland, TU Freiberg
Forschung:
Uncertainty quantification, Numerical Linear Algebra, Numerical Analysis
Lehre:
Einführung Data Science, Uncertainty quantification, Numerische Lineare Algebra

Prof. Dr. Uta Freiberg

Karriere:
Dipl. Math. HU Berlin, PhD FSU Jena, La Sapienza Rom, ANU Canberra, Uni Stuttgart
Forschung:
Stochastic processes, Fractals, Energy forms
Lehre:
Stochastik, Stochastische Prozesse, Fraktale

Prof. Dr. Fred Hamker

Karriere:
Dipl. Ing. Paderborn, PhD TU Ilmenau, Universität Frankfurt, Caltech, Uni Münster
Forschung:
Neuro-cognitive Systems, Computational Neuroscience, Neuro-computational models of attention and perception
Lehre:
Einführung Künstliche Intelligenz, Neurokognition

Prof. Dr. Christoph Helmberg

Karriere:
Dipl. Ing. TU Graz, PhD TU Graz, Zuse Institut Berlin
Forschung:
Discrete Optimization, Semidefinite Programming, Convex Optimization
Lehre:
Diskrete Optimierung, Graphentheorie, Nichtlineare Optimierung

Prof. Alois Pichler PhD

Karriere:
Studium Math. und Physik Universität Wien, PhD Universität Wien, tätig in der Versicherungindustrie
Forschung:
Statistics and Probability Theory, Optimization under Uncertainty, Finance, Risk Theory
Lehre:
Statistische Methoden in Data Science, Stochastische Optimierung

Prof. Dr. Jan-Frederik Pietschmann PhD

Karriere:
Dipl. Math. und Physik WWU Münster, PhD Cambridge, KTH Stockholm, TU Darmstadt, WWU Münster, Universität Osnabrück
Forschung:
Inverse Problems, Nonlinear PDEs, Optimal Transport
Lehre:
Introduction to Data Science, Optimal Transport in Data Sciences

Prof. Dr. Daniel Potts

Karriere:
Dipl. Math. Rostock, PhD Lübeck,
Forschung:
Fourier Analysis, NFFT, Fast summation methods, Big Data Learning
Lehre:
Sparse and High-Dimensional Approximation, Einführung in die Fourier-Analysis

Prof. Dr. Vladimir Shikhman

Karriere:
Dipl. Math RWTH Aachen, PhD RWTH Aachen, Catholic University of Louvain
Forschung:
Economic Equilibrium Analysis, Nonsmooth Optimization
Lehre:
Big Data Analytics, Mathematik im Investmentbanking

Prof. Dr. Martin Stoll

Karriere:
Dipl. Math. Chemnitz, PhD Oxford, University of Oxford, MPI Magdeburg
Forschung:
Numerical Linear Algebra, Numerical Analysis, Data Science
Lehre:
Matrix Methoden in Data Science, Numerische Lineare Algebra, Numerik

Dr. Julien Vitay

Karriere:
Msc. University of Rennes, PhD University Henri Poincaré Nancy, TU Chemnitz
Forschung:
Deep RL Learning, Neuro-computational models of Emotion and Reward systems, Facial expression recognition
Lehre:
Maschinelles Lernen, Bildverstehen

Statement:
"Spezialisten im Bereich Data Science sind heiß begehrt auf dem Arbeitsmarkt. Das Programm vermittelt viel Theorie, welche aber auch in praktischen Übungen umgesetzt wird. Des Weiteren bietet der Master eine sehr flexible Studienordnung mit viel Wahlmöglichkeiten und Platz für individuelle Vertiefungen. Obwohl Chemnitz eine kleine Universität ist, wird sehr viel geboten. Hervorzuheben ist das ausgesprochen gute Betreuungsverhältnis an der mathematischen Fakultät.“
Bachelor:
Wirtschaftsmathematik, LMU München

Statement:
“Data Science – “The sexiest job of the 21st century” (HBR). Mathematik, sexy und Chemnitz. – Wie passt das zusammen? An der TU Chemnitz werden die essenziellen Inhalte, die zum Beruf des Data Scientisten notwendig sind, auf ansprechende Art und Weise vermittelt, indem theoretische Inhalte mit praxisorientierten Übungen verknüpft werden. Dabei zeichnet sich das Studium vor allem durch die hohe Lehrqualität und das sehr gute Betreuungsverhältnis aus. Kombiniert mit der individuellen Gestaltungsmöglichkeit des Studienablaufs wird der bestmögliche Lernfortschritt, angepasst an den vorherigen Wissensstand, erzielt. Kommend von einem nicht mathematisch verwandten Bachelorstudiengang, ist der herausfordernde Masterstudiengang Data Science an der mathematischen Fakultät an der TU Chemnitz die perfekte Entscheidung.“
Bachelor:
Wirtschaftsingenieurwesen, DHBW Mannheim

Statement:
“Internet of Things, Industrie 4.0, autonomes Fahren, … Viele solcher Schlagworte geistern in letzter Zeit durch die Medien. Dabei werden sie alle durch eines verbunden: Das Aufkommen immer größerer Datenmengen. Die TU Chemnitz bietet die Gelegenheit, sich mit dem Master Data Science für die daraus resultierenden Problemstellungen zu wappnen. Dabei profitieren Studenten von der äußerst umfassenden Betreuung und dem Engagement der Dozenten, was im Universitätsumfeld alles andere als selbstverständlich ist. Durch die Flexibilität der Studienordnung wird man motiviert eigene Studienschwerpunkte zu setzen. Der Kontakt zu regionalen, aber auch internationalen Unternehmen wird nicht nur gewünscht, sondern auch durch Vorträge und die Zusammenarbeit in verschiedenen Modulen gefördert."
Bachelor:
Physik, TU Chemnitz

Statement:
“As data analysis becomes a trend in the world, professionals with relevant knowledge become more important. TU Chemnitz starts this major “Data Science” happens to meet the need . The Data Science in TU Chemnitz not only values the students' theoretical knowledge, but also provide a great opportunity for students to cooperate with the company, to let us practice with real projects. In addition, all the professors here are also patient and friendly."
Bachelor:
Computer Science

Lernen

Wir lassen automatisch alle Studenten zu aus den Studiengaengen Mathematik, Informatik, Elektrotechnik und Physik. Andere Studiengaenge benoetigen die Zulassung durch den Pruefungsausschuss. Hierbei hat sich eine Anzahl von mehr als 27 ECTS in Mathematik als gute Voraussetzung erwiesen, aber dies ist nur eine Richtlinie. Das Auffrischen der Grundlagen-Kenntnisse in linearer Algebra, Optimierung und Analysis wird empfohlen.
Man braucht nicht zwingend eine bestimmte Programmiersprache zu koennen, aber man sollte eine paar Vorkenntnisse und Motivation fuers Programmieren mitbringen.
Im Wesentlichen wird mit Python gearbeitet, aber auch R, Julia und Matlab kommen vor.
Wir empfehlen das Wintersemester, aber im Sommersemester ist es prinzipiell auch moeglich.
Ein Zertifikat wird nicht benoetigt, jedoch sind gute Grundkenntisse hilfreich, da einige Vorlesungen in englischer Sprache abgehalten werden.
Aus den Wahlpflichtmodulen gibt es einige Vorlesungen in der Informatik Fakultaet und viele aus dem Angebot der Mathematik. Die Vertiefungsmodule erlauben eine grosse Auswahl von Informatik Vorlesungen.

Wohnheim an der TU Chemnitz

Studiendokumente-DS Sonstiges
Studienberater
Portrait: Prof. Dr. Martin Stoll
Prof. Dr. Martin Stoll

Press Articles