Inverse Problems
Theory and methods for solving inverse problems with tutorials.
Der Studiengang Computational and Applied Mathematics an der FAU Erlangen-Nürnberg richtet sich an Studierende, die mathematische Methoden nicht nur theoretisch verstehen, sondern gezielt auf reale Probleme aus Technik, Naturwissenschaft und Datenanalyse anwenden wollen. Erlangen ist als Standort für angewandte Mathematik und Simulationswissenschaften bekannt, was sich im Zuschnitt des Programms widerspiegelt.
Im Zentrum stehen Themen wie inverse Probleme, mathematische Grundlagen des maschinellen Lernens und die Modellierung von Prozessen über mehrere Skalen hinweg. Damit positioniert sich der Studiengang an der Schnittstelle von klassischer angewandter Mathematik und modernen, computergestützten Verfahren.
Die Vollzeit-Struktur des Master-Programms ermöglicht eine kontinuierliche Vertiefung, während der zulassungsfreie Zugang den Einstieg für mathematisch gut vorbereitete Bachelorabsolvent:innen erleichtert.
57 Module · 120 ECTS gesamt – der vollständige Studienverlauf. Durchsuche alle Module oder filtere nach Semester.
Theory and methods for solving inverse problems with tutorials.
Mathematical foundations of machine learning and data science with tutorials.
Mathematical analysis of multiscale modeling techniques with tutorials.
Theoretical foundations of stochastic evolution equations with tutorials.
Practical course on finite element methods applied to phase-separation problems.
Study of regularity properties of elliptic partial differential equations with tutorials.
Mathematical methods for image processing applications with tutorials.
Discrete optimization methods and algorithms with tutorials.
Advanced methods for solving nonlinear optimization problems with tutorials.
Practical project seminar on optimization with presentation and report.
Efficient discretization techniques for two-phase flow problems.
Selected advanced topics in mathematics of machine learning with tutorials.
Modeling and analysis of continuum mechanics problems with tutorials.
Introduction to numerical methods for partial differential equations with tutorials.
Advanced algorithmic methods for nonlinear optimization with tutorials.
Optimization problems constrained by partial differential equations with tutorials.
Applications of optimization methods to industrial and economic problems with tutorials.
Conic optimization methods and their applications with tutorials.
Advanced modeling and analysis in continuum mechanics with tutorials.
Practical course covering modeling, simulation and optimization techniques.
Programming techniques for supercomputers with tutorials on computational methods.
Advanced techniques for discretization of mathematical problems with tutorials.
Optimization techniques for material and shape design problems with tutorials.
Robust optimization techniques for handling uncertainty with tutorials.
Numerical methods for linear and integer programming problems with tutorials.
Advanced discrete optimization methods with tutorials.
Study of supercomputer architectures with tutorials.
Seminar in applied mathematics with talk and written report.
Seminar in numerical analysis and simulation with talk and written report.
Seminar in optimization with talk and written report.
Advanced methods for solving mathematical problems with tutorials.
Modeling of transport and reaction processes in porous media with tutorials.
Simulation methods for transport and reaction in porous media with tutorials.
Numerical methods for incompressible fluid flows with tutorials.
Advanced numerical methods for incompressible fluid flows with tutorials.
Mathematical modeling and analysis of kinetic theory with tutorials.
Numerical methods for stochastic evolution equations with tutorials.
Mathematical modeling techniques applied to life science problems with tutorials.
Analysis of free-boundary problems in continuum mechanics with tutorials.
Applications of partial differential equations to finance problems with tutorials.
Lecture series on partial differential equations, control theory and numerical methods with tutorials.
Advanced numerical methods for partial differential equations with tutorials.
Master's thesis with colloquium examination.
Keine Module gefunden. Suche anpassen oder Filter zurücksetzen.
Moduldaten aus dem offiziellen Modulhandbuch der Hochschule München. Umfang und Angebot können sich je Studien- und Prüfungsordnung ändern.
Computational and Applied Mathematics an der FAU verknüpft mathematische Theorie mit numerischer Umsetzung und richtet sich an Studierende mit Interesse an rechnergestützter Problemlösung.
Der Studiengang baut auf einem mathematischen oder ingenieurwissenschaftlichen Bachelor auf und vertieft Methoden, die in Forschung und Industrie gleichermaßen gefragt sind.
Module wie Inverse Problems behandeln die Rekonstruktion von Ursachen aus beobachteten Effekten – etwa in der Bildgebung oder Messtechnik. Mathematics of Learning vermittelt die mathematischen Grundlagen hinter Lernalgorithmen, während Mathematics of Multiscale Models Werkzeuge zur Beschreibung von Phänomenen liefert, die auf unterschiedlichen räumlichen oder zeitlichen Ebenen ablaufen.
Diese Kombination sorgt dafür, dass Studierende sowohl analytisches als auch algorithmisches Denken trainieren und lernen, komplexe Systeme rechnerisch zugänglich zu machen.
Der Studiengang eignet sich für Personen mit solidem mathematischem Fundament, die Freude an Abstraktion ebenso mitbringen wie Interesse an konkreter Softwareumsetzung.
Wer lieber ausschließlich anwendungsnah oder ausschließlich theoretisch arbeiten möchte, sollte prüfen, ob der hier geforderte Mix aus Modellierung, Numerik und Programmierung zu den eigenen Stärken passt.
Absolvent:innen finden Anknüpfungspunkte in Forschungseinrichtungen, in der Industrie bei Simulation und Datenanalyse sowie im Bereich Data Science, da die erlernten Methoden branchenübergreifend gefragt sind.
Die enge Verzahnung von Theorie und Numerik bereitet zudem auf eine mögliche Promotion in angewandter Mathematik oder verwandten Disziplinen vor.
Die FAU Erlangen-Nürnberg bietet als forschungsstarke Universität ein Umfeld, in dem angewandte Mathematik eng mit Ingenieur- und Naturwissenschaften verzahnt ist.
Das Vollzeitformat in Erlangen ermöglicht eine fokussierte Auseinandersetzung mit anspruchsvollen mathematischen Inhalten ohne parallele Berufstätigkeit.
Ehrliche Einordnung auf Basis der gebundenen Daten, plus dein persönlicher Match.
Dieser Studiengang hat keinen Numerus Clausus. Deine Abiturnote ist für die Zulassung nicht entscheidend, oft ist sogar ein Einstieg ohne Abitur möglich.
An staatlichen Hochschulen fallen in der Regel keine Studiengebühren an – du zahlst nur den Semesterbeitrag.
| Position | Betrag |
|---|---|
| Studiengebühren | 0 € |
| Semesterbeitrag | ca. 250 bis 350 € / Semester |
| Enthalten | u. a. Semesterticket & Studierendenwerk |
Richtwerte – den genauen Semesterbeitrag nennt die Hochschule.
Wenn du deinen Studiengang über StudySmarter und das StudyKit findest und dich darüber einschreibst, ist die Jobgarantie automatisch dabei.
Findest du innerhalb von 6 Monaten nach deinem Abschluss keinen Job, übernehmen wir dein professionelles Jobcoaching – so lange, bis du einen hast.
Gilt ab dem Tag deines Studienabschlusses.Es gelten die Teilnahmebedingungen. Details und Bedingungen erhältst du mit dem Infomaterial.
Der Master eröffnet Wege in Forschung, Industrie und datengetriebene Berufsfelder, die auf fundierte mathematische Modellierung angewiesen sind.
Branchenweite Marktorientierung für Computational and Applied Mathematics-Profile (brutto pro Jahr), kein hochschulspezifischer Wert. Tatsächliche Gehälter hängen von Branche, Region und Erfahrung ab.
Automatisierung und KI verändern, welche Aufgaben angewandte Mathematiker:innen künftig selbst übernehmen und welche sie steuern.
In der angewandten Mathematik übernehmen Algorithmen zunehmend Routineaufgaben, während konzeptionelle Arbeit beim Menschen bleibt.
Kompetenzen in Inverse Problems und Mathematics of Multiscale Models bilden die Grundlage dafür, auch bei zunehmender Automatisierung neue Modellierungsansätze selbst zu entwickeln.
Sammle schon im Studium Praxis und verdiene dazu – Werkstudentenjobs und Praktika in Erlangen, ideal neben dem Präsenzstudium am Campus.
Stellen live aus der StudySmarter Jobbörse · laufend aktualisiert.
Kostenlose StudySmarter-Tools für Finanzierung, Karriere und Bewerbung – direkt einsatzbereit.
Kurzprofil der Friedrich-Alexander-Universität Erlangen-Nürnberg – Trägerschaft, Format und, wo verfügbar, unsere Einschätzung aus Studierendenbewertungen.
Für diese Hochschule liegen noch keine aggregierten Studierendenbewertungen vor.
Wer sich vor intensiver Programmierarbeit oder abstrakter Theorie scheut, sollte den Studiengang kritisch prüfen, da beide Anteile durchgehend gefordert sind.
Nein, der Zugang ist zulassungsfrei, setzt aber in der Regel einen mathematisch fundierten Bachelorabschluss voraus.
Solide Grundlagen in Analysis, linearer Algebra und Numerik sind hilfreich, da Module wie Inverse Problems und Mathematics of Multiscale Models darauf aufbauen.
Beides: Die FAU verbindet mathematische Theorie eng mit numerischer Umsetzung und praktischer Anwendung, etwa im Bereich Machine Learning.
Absolvent:innen arbeiten häufig in Forschung, Simulation, Data Science oder streben eine Promotion in angewandter Mathematik an.
Studienführer, Termine, Zulassung & Finanzierung – kostenlos direkt in dein Postfach.
Mit StudyKit gehst du Studienwahl, Bewerbung und Finanzierung an einem Ort an, begleitet von einem persönlichen KI-Assistenten. Finde heraus, was wirklich zu dir passt, und starte deine Bewerbung Schritt für Schritt.
Studienführer, Termine, Zulassung & Finanzierung – direkt in dein Postfach.