Master-Studiengang & Bewerbung/Zulassung. Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich

Größe: px

Ab Seite anzeigen:

Download "Master-Studiengang & Bewerbung/Zulassung. Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich"

Astrid Wagner
vor 6 Jahren
Abrufe

1 Master-Studiengang & Bewerbung/Zulassung Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich

2 Master's in Data Science 120 Core Courses 62 Data Analysis 16 Information and Learning 8 Statistics 8 Data Management and Processing 16 Core Electives 10 Interdisciplinary Electives 10 Data Science Lab 14 Seminar 2 Science in Perspective 2 Master's Thesis 30

3 Vorläufiger Kurskatalog: «Core Courses» Data Analysis: Information & Learning (min. 1 Kurs) Machine Learning HS 8 D-INFK new Mathematics of Information FS 8 D-ITET Data Analysis: Statistics (min. 1 Kurs) Fundamentals of Mathematical Statistics HS 10 D-MATH Computational Statistics FS 10 D-MATH Data Management and Processing (min. 2 Kurse) Big Data HS 8 D-INFK new Algorithmic Aspects of Data Science HS 8 D-INFK new Optimization for Data Science FS 8 D-INFK

4 Vorläufiger Kurskatalog: «Core Electives» new Research in Data Science HS/FS 6 yearly all Randomized Algorithms and Probabilistic Methods HS 7 yearly D-INFK Algorithmic Game Theory HS 7 yearly D-INFK Design of Parallel and High-Performance Computing HS 7 yearly D-INFK Algorithms Lab HS 6 yearly D-INFK Advanced Systems Lab HS 6 yearly D-INFK System Security HS 5 yearly D-INFK Deep Learning HS 4 yearly D-INFK Probabilistic Artificial Intelligence HS 4 yearly D-INFK Information Retrieval HS 4 yearly D-INFK Information Security FS 8 yearly D-INFK Computational Intelligence Lab FS 6 yearly D-INFK How To Write Fast Numerical Code FS 6 yearly D-INFK Statistical Learning Theory FS 6 yearly D-INFK Shape Modeling and Geometry Processing FS 5 yearly D-INFK new Architecture of Data Centers FS 5 yearly D-INFK Natural Language Understanding FS 4 yearly D-INFK User Interface Engineering FS 4 yearly D-INFK D Vision FS 4 yearly D-INFK Probability Theory HS 10 yearly D-MATH Time Series Analysis HS 6 bi-yearly D-MATH Mathematical Optimization HS 6 yearly D-MATH Probabilistic Method in Combinatorics HS 6 bi-yearly D-MATH Stochastic Simulation HS 5 bi-yearly D-MATH Applied Analysis of Variance and Experimental Design HS 4 yearly D-MATH High-Dimensional Statistics HS 4 irregular D-MATH Advanced Topics in Computational Statistics HS 4 bi-yearly D-MATH Graph Theory FS 10 yearly D-MATH Regression FS 8 bi-yearly D-MATH Applied Stochastic Processes FS 8 bi-yearly D-MATH Numerical Methods for Partial Differential Equations FS 8 yearly D-MATH Combinatorial Optimization FS 6 yearly D-MATH Graph Theory FS 5 yearly D-MATH Estimation and Testing under Sparsity FS 4 irregular D-MATH Causality FS 4 bi-yearly D-MATH Multivariate Statistics FS 4 bi-yearly D-MATH Statistical Modelling of Spatial Data FS 3 yearly D-MATH Signal and Information Processing: Modeling, Filtering, Learning HS 6 yearly D-ITET Computer Vision HS 6 yearly D-ITET Discrete-Time and Statistical Signal Processing (in English) HS 6 yearly D-ITET Information Theory I HS 6 yearly D-ITET System Identification HS 4 yearly D-ITET Principles of Distributed Computing FS 6 yearly D-ITET Energy-Efficient Parallel Computing Systems for Data Analytics FS 6 yearly D-ITET Information Theory II FS 6 yearly D-ITET Stochastic Systems FS 4 yearly D-ITET Dynamic Programming and Optimal Control HS 4 yearly D-MAVT Recursive Estimation FS 4 yearly D-MAVT Artificial Intelligence for Robotics FS 4 yearly D-MAVT

5 Interdisciplinary Courses: ein Beispiel Atmosphäre & Klima Klimasysteme 3 D-USYS Wettersysteme 3 D-USYS Atmosphäre 3 D-USYS Climate Change Uncertainty and Risk: From Probabilistic Forecasts to Economics of Climate Adaptation 3 D-USYS Inter-annual Phenomena and their Prediction 3 D-USYS Weitere Vorlesungspakete sind in der Ausarbeitung.

6 Design-Prinzipien des Data Science Masters Fundiert Kenntnisse in der Analyse und der Handhabung grosser Datenmengen Fachliche Kenntnisse in einem Anwendungsgebiet Erste Erfahrungen im Umgang mit realen Daten Weitere Informationen:

7 Zielpublikum Qualifizierende Studiengänge Bachelor in Elektrotechnik und Informationstechnologie Bachelor in Informatik Bachelor in Maschinenbau Bachelor in Mathematik Bachelor in Physik Bachelor in Rechnergestützte Wissenschaften Generell Bachelor Curriculum mit einem hohen formalen Anteil!

8 Bewerbung & Zulassung, HS 2017 Spezialisierter Master-Studiengang Auch ETH Bachelor-Studierende müssen sich bewerben! Bologna Bewerbungsperiode: 1. März März 2017 Weitere Informationen:

9 Bewerbungsunterlagen Einzureichende Unterlagen Online-Bewerbungsformular (ausfüllen, drucken & unterzeichnen) ETH-Transkript: Ausdruck aus mystudies Offizielle Transkripts von früheren Studien & Mobilität CV GRE General Test Referenzschreiben ETH Bachelor-Studierenden sind entbunden von Sprachnachweis Bewerbungsgebühr

10 Zulassungsgrundsätze Selektive Zulassung, in der Regel ohne Auflagen Lücken im Vorwissen Statistik, Analysis, Lineare Algebra, Wahrscheinlichkeitstheorie Programmierung Datenbanken, Datenmodellierung Wir erwarten, dass Studierende diese Lücken selbständig schliessen! Gute Studienleistungen im Bachelor-Studium Webseite mit Material zur Vorbereitung (coming soon)!

Ähnliche Dokumente

Kooperationsprojekt NAWI-GRAZ

Kooperationsprojekt NAWI-GRAZ MASTERSTUDIUM MATHEMATICS Matrikel-Nr. Name, Vorname(n) Kennzeichnung des Studiums B 0 6 6 3 9 4 Abgabe nur mit aktuellem Studienblatt möglich! Auflagen: JA, NEIN Auflagen