Jump to main content
Faculty of Mathematics
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.
For more information about the Data Science Master course please check out the German website.
Der Masterstudiengang Data Science ist seit 2022 akkreditiert.

Alles auf einen Blick

  • Abschluss: Master of Science (M.Sc.)
  • Regelstudienzeit: 4 Semester
  • Beginn: Winter- und Sommersemester
  • Bewerbungsfrist (WS): Mitte September (deutscher Abschluss) & Mitte Juli (ausländischer Abschluss)
  • Zulassungsart: zulassungsfrei
  • Fakultät: Mathematik (und Informatik)
  • Lehrsprache: vorwiegend Deutsch

Unsere Stärken

  • Top Betreuungsverhältnis: Ein familäres Umfeld in dem jeder jeden kennt und dir immer schnell geholfen wird.
  • Industrie- und Praxisnah: Kooperationen mit Unternehmen für deine Uni-Projekte und weitreichende Werkstudentmöglichkeiten.
  • Keine Programmiervoraussetzungen: Du musst keine bestimmte Sprache beherrschen, ein paar Grundkenntnisse und Motivation fürs Programmieren reichen aus.
  • Unkomplizierte Zulassung: Deine Bewerbung wird schnell und individuell geprüft, damit du nicht lange auf eine Entscheidung warten musst.
  • Akkreditierung: Der Data Science M.Sc. wird schon seit 2018 angeboten und ist seit 2022 akkreditiert, was für die Qualität der Lehre spricht.
  • Auslandsaufenthalt: Du kannst mit Erasmus+ ganz einfach im Ausland studieren (z.B. Trinity College Dublin) und dir die Kurse anrechnen lassen. Unsere Partneruniversitäten und weitere Infos findest du auf unserer Webseite zum Erasmus-Programm.

Erfolge

  • Wir nehmen regelmäßig am Data Mining Cup teil - mit tollen Platzierungen!
  • Nahezu alle Studierenden sind Werkstudierende in der lokalen Industrie und Wirtschaft.
  • Das Modellierungsseminar wird als fester Bestandteil des Master gemeinsam mit Partnern aus Industrie und Wirtschaft durchgeführt, beispielsweise KPMG, Porsche, Intenta, FDTech, Prudsys, etc.
  • Wir belegen Platz 3 der beliebtesten Universitäten Deutschlands bei StudyCHECK.

Erfahrungsberichte

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

Statement:
"Als Data Science Master Student an der Mathematik Fakultät hat man die Möglichkeit an verschiedenen europäischen Partneruniversitäten zu studieren. Ich wollte diese Möglichkeit unbedingt wahrnehmen und habe mit Erasmus+ ganz unkompliziert ein Semester am Trinity College Dublin verbracht. Diese Erfahrung hat mich sowohl in meiner Expertise, karrieretechnisch, als auch persönlich sehr weitergebracht.“
Bachelor:
Ingenieurpsychologie, HFU

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

Kontakt

Portrait: Prof. Dr. Martin Stoll
Prof. Dr. Martin Stoll

Warum Data Science studieren?

Mit dem Terminus "Data Science" wird seit ca. 7 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
  • Wirtschaftswissenschaften (Kaufverhalten von Konsumenten vorhersagen oder Kreditwürdigkeit bewerten)
  • Ingenieurwissenschaften (Entwicklung autonomer Fahrzeuge oder intelligenter Bildverarbeitung)
  • Geisteswissenschaften (Übersetzung und Interpretation natürlicher Sprache sowie "digital humanities")
  • Human- und Sozialwissenschaften (Wahlanalyse anhand demographischer Daten)
  • Medizin (Datenbasierte Diagnostik) sowie in der Pharmazie (Datenbasiertes Wirkstoffdesign)
  • Justiz (Rückfallprognose von Straftätern)
Die anhaltende Kostenreduktion und Fortschritte in Rechen- und Speichertechnologien, die weltweite Datenproduktion im Überfluss, die Forschung an innovativen Algorithmen wie im maschinellen Lernen sowie die hohe Nachfrage der Wirtschaft nach Fachkräften mit Expertise in Data Science machen diese Fähigkeiten zu einem Schlüssel für Karriere und Forschung. Der Masterstudiengang an der TU Chemnitz ermöglicht ab dem Wintersemester 2018/19 den Erwerb fortgeschrittener Data-Science-Kenntnisse. Absolventen profitieren von vielversprechenden beruflichen Möglichkeiten im südwestsächsischen Arbeitsmarkt und haben gute Chancen auf internationale Karrierewege sowie weitere Qualifizierungsmöglichkeiten im Hochschulbereich.

Wer kann bei uns Data Science studieren?

  • Data Science lebt von mathematischen Methoden mit starken Bezügen zur Informatik.
  • Unser Masterstudiengang ist nicht nur für Absolventen aus der Mathematik, sondern auch Disziplinen wie Informatik, Elektrotechnik und Physik offen.
  • Auch Absolventen aus anderen Studiengängen können nach Einzelfallprüfung zugelassen werden, man sollte aber mathematische und statistische Grundkenntnisse mitbringen.
  • Das Auffrischen der Grundlagen-Kenntnisse in linearer Algebra, Optimierung und Analysis wird empfohlen.

Voraussetzungen

  • Eine Anzahl von mindestens 27 ECTS in Mathematik hat sich als gute Voraussetzung erwiesen, dies ist jedoch nur eine Richtlinie.
  • Vorkenntnisse im Programmieren sind nicht zwingend notwendig, aber hilfreich.
  • Der Studiengang ist zulassungfrei, die Zulassung erfolgt daher sicher bei Erfüllung der Voraussetzungen, für alle anderen Bewerber*Innen kommt es zur Einzelfallprüfung.

Bewerbungsfristen

  • Mit deutschtem Abschluss:
    Mitte September
  • Mit ausländischem Abschluss:
    Mitte Juli
  • Mit deutschtem Abschluss:
    Mitte März
  • Mit ausländischem Abschluss:
    Mitte Januar

Bewerbungsunterlagen

  • Hochschulzugangsberechtigung (z.B. Abiturzeugnis)
  • Leistungsübersicht Bachelorstudium
  • Zeugnis Bachelorstudium (falls bereits vorhanden)
Bitte bewerbe dich über das Bewerberportal der TU Chemnitz. Bei Fragen melde dich gerne bei Prof. Dr. Martin Stoll.

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. 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
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. 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. 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

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

Über das Studium

Wir lassen automatisch alle Studenten zu aus den Studiengängen Mathematik, Informatik, Elektrotechnik und Physik. Andere Studiengänge benötigen die Zulassung durch den Prüfungsausschuss. 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 können, aber man sollte eine paar Vorkenntnisse und Motivation fürs 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 möglich.
Ein Zertifikat wird nicht benötigt, jedoch sind gute Grundkenntnisse hilfreich, da einige Vorlesungen in englischer Sprache abgehalten werden.
Aus den Wahlpflichtmodulen gibt es einige Vorlesungen in der Informatik Fakultät und viele aus dem Angebot der Mathematik. Die Vertiefungsmodule erlauben eine grosse Auswahl von Informatik Vorlesungen.

Studieren in Chemnitz

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