Master of Science in Diskreter Mathematik und ihren Anwendungen

Die Ausschreibung 2020/2021 ist eröffnet!

http://www.math.uniri.hr/en/component/content/article.html?layout=edit&id=772

Beschreibung

Diskrete Mathematik ist der Zweig der Mathematik, der sich mit diskreten mathematischen Strukturen befasst, dh mathematischen Strukturen über abzählbaren Mengen (endliche Mengen oder Mengen mit gleicher Kardinalität wie die natürlichen Zahlen). Themen der diskreten Mathematik sind unter anderem Kombinatorik, Graphentheorie, Codierungstheorie und Kryptographie.

Karrierechancen

Der Abschluss eines solchen Studiums bietet eine gute Grundlage für die mögliche Entwicklung einer wissenschaftlichen Karriere im Bereich der Natur- und Ingenieurwissenschaften, bietet aber auch eine potenzielle Beschäftigung in verschiedenen Bereichen, an Positionen, die algorithmisches Denken und die Fähigkeit erfordern Daten zu analysieren. Die in diesem Studiengang erworbenen Kenntnisse sind in der Wirtschaft in hohem Maße anwendbar; Die Graphentheorie hat eine breite Anwendung, von der Telekommunikation bis zum Entwurf von Straßennetzen, Codierungstheorie und Kryptographie werden täglich in der Kommunikation verwendet. Da es immer mehr Jobs im Zusammenhang mit IKT-Technologien und Datenschutz geben wird, wird der Bedarf an diesem Personalprofil zunehmen. Die Optimierung ist in verschiedenen Geschäftsprozessen sehr zielführend, während für die Durchführung eines Experiments das Design und die Analyse von Experimenten notwendig sind, von der Herstellung neuer Medikamente bis hin zur maschinellen Erprobung. Auch die Kenntnisse im Bereich der Versuchsplanung sind bei der Untersuchung der Eigenschaften der fertigen Produkte sehr anwendbar und wir erwarten, dass der Arbeitsmarkt den Bedarf an unseren Absolventen zeigt.

Erforderliches Bildungsniveau für die Immatrikulation:

• Bachelorabschluss in Mathematik oder vergleichbare Qualifikation in Mathematik

Studienplan - 120 ECTS

Semester 1

• Vektorräume 1
• Messen und integrieren
• Algebra 1
• Lineares Programmieren
• Graphentheorie

Semester 2

• Statistiken
• Algebra 2
• Wahrscheinlichkeitstheorie
• Künstliche Intelligenz
• Codierungstheorie und Kryptographie

Semester 3

• Permutationsgruppen
• Zahlentheorie
• Einführung in die Designtheorie
• Design und Analyse von Experimenten
• Nichtlineare Optimierung

Semester 4

• Seminar von M.Sc. These
• Kombinatorische Optimierung
• Maschinelles Lernen
• Optimierungstechniken für Data Mining
• Optimierungsmethoden im Finanzwesen
• Abschluss