Master of. Mathematics in Operations Research. Dr. Michael Ritter 27. Oktober Technische Universität München

Transkript

1 Master of Mathematics in Operations Research Dr. Michael Ritter 27. Oktober 2016 Technische Universität München

2 Operations Research

3 Operations Research Science of Better

4 Operations Research Science of Better I Daten- und Prozess-Analyse I Simulation I Modellierung I Optimierung

5 Operations Research Anwendungsfelder

6 Operations Research Anwendungsfelder

7 Operations Research Anwendungsfelder

8 Operations Research Anwendungsfelder

9 Operations Research Anwendungsfelder

10 he Problem Operations Research Anwendungsfelder

11 The Way to Solve It Operations Research Anwendungsfelder

12 he Desired Outcome Operations Research Anwendungsfelder

13 Studium

14 Aufbau des Master-Studiums Optimization Applied Math. Special Topics Minor Subject Thesis

15 Aufbau des Master-Studiums Optimization Applied Math. Special Topics Minor Subject Thesis + modules from other universities + Seminar, überfachliche Grundlagen, Praktikum

16 Optimization I Discrete/Combinatorial Optimization I Nonlinear Advanced/Modern Methods I Case Studies Discrete/Nonlinear Optimization I Algorithmic Game Theory

17 Applied Mathematics I Probability Theory, Stochastic Analysis I Computational Statistics I PDE, Numerical Methods for PDE I Functional Analysis

18 Special Topics Related: (min. 5) Vorlesungen mit Bezug zu Optimierung, OR Additional: (max. 10) weitere mathematische Vorlesungen

19 Nebenfach Related: (min. 12) I Wirtschaft, Informatik, Wirtschaftsinformatik I Logistik, Produktion I Projektmanagement, Informationsmanagement I Business Analytics, Data Mining I Randomisierte Algorithmen, Datenstrukturen

20 Nebenfach Related: (min. 12) I Wirtschaft, Informatik, Wirtschaftsinformatik I Logistik, Produktion I Projektmanagement, Informationsmanagement I Business Analytics, Data Mining I Randomisierte Algorithmen, Datenstrukturen Unrelated: (max. 9) I andere Fachrichtungen I andere Universitäten

21 Typischer Ablauf (1. Semester) Discrete Optimization 5 Nonlinear Optimization Advanced 5 Applied Mathematics 1 9 Special Topics 5 Nebenfach 6 30

22 Typischer Ablauf (2. Semester) Case Studies 7 Optimization 5 Applied Mathematics 2 9 Nebenfach 3 Berufspraktikum 6 30

23 Typischer Ablauf (3. Semester) Optimization 5 Computational Statistics 5 Special Topics 5 Nebenfach 8 Überfachliche Grundlagen 4 Hauptseminar 3 30

24 Typischer Ablauf (4. Semester) Master s Thesis 30 30

25 Bewerbung

26 Fristen I Wintersemester: 1. April 31. Mai I Sommersemester: 1. Oktober 30. November I jedes Semester neu bewerben I Frist gilt für alle Unterlagen

27 Verfahren I Note: 1.0=60 Punkte, ab 3.0=0 Punkte I Motivationsschreiben: bis 10 Punkte I Qualifikation: 50 Punkte I evtl. Gespräch (bei Punkte)

28 Anlage 3: Grundlagen aus dem Bachelorstudiengang Mathematik an der Technischen Universität München Gemäß Anlage 2 Nr. 5.5 kann der Prüfungsausschuss nachträgliche Leistungsnachweise zu gewissen Pflichtinhalten des Bachelorstudienganges Mathematik an der Technischen Universität München festlegen, die für ein erfolgreiches Studium im Master-Programm Mathematics in Operations Research unabdingbar sind. Diese sind: A3.1 Aufbau Mathematik (mindestens 19 Credits) Nr. Veranstaltung Sem. SWS CP Dauer MA2003 Maß- und Integrationstheorie 3 2V+1Ü 5 60 min MA2004 Vektoranalysis 3 2V+1Ü 5 60 min MA2005 Gewöhnliche Differentialgleichungen 4 2V+1Ü 5 60 min MA2101 Algebra 3 4V+2Ü 9 90 min MA2203 Geometriekalküle 3 2V+1Ü 5 60 min MA2304 Numerik gew. Differentialgleichungen 4 4V+2Ü 9 90 min MA2402 Statistik: Grundlagen 4 2V+1Ü 5 60 min MA2404 Markovketten 4 2V+1Ü 5 60 min A3.2 Aufbau Optimierung (mindestens 14 Credits) Nr. Veranstaltung Sem. SWS CP Dauer MA2501 Algorithmische Diskrete Mathematik 3 2V+1Ü 5 60 min MA2503 Nichtlineare Optimierung: Grundlagen 3 2V+2Ü 5 60 min MA2504 Fundamentals of Convex Optimization 4 4V+2Ü 9 90 min Ausgefertigt aufgrund des Beschlusses des Akademischen Senats der Technischen Universität München vom 26. März 2014 sowie der Genehmigung durch den Präsidenten der Technischen Universität München vom 11. April München, den 11. April 2014 Technische Universität München Wolfgang A. Herrmann Präsident Diese Satzung wurde am 11. April 2014 in der Hochschule niedergelegt; die Niederlegung wurde am 11. April 2014 durch Anschlag in der Hochschule bekannt gemacht. Tag der Bekanntmachung ist daher der 11. April 2014.

29 Qualifikation I Aufbau: 19 ECTS (Liste)

30 Qualifikation I Aufbau: 19 ECTS (Liste) I Aufbau Optimierung: 14 ECTS I I I Algorithmische Diskrete Mathematik Nichtlineare Optimierung: Grundlagen Fundamentals of Convex Optimization

31 Qualifikation I Aufbau: 19 ECTS (Liste) I Aufbau Optimierung: 14 ECTS I I I Algorithmische Diskrete Mathematik Nichtlineare Optimierung: Grundlagen Fundamentals of Convex Optimization I fehlende Credits Minuspunkte I evtl. Auflagen

32 Hinweise zur Bewerbung I jedes Semester neu bewerben I erfolgreich, aber kein Bachelor-Abschluss: wieder bewerben, Annahme garantiert I nicht erfolgreich: im Bachelor bleiben, Punkte verbessern I parallele Bewerbungen möglich

33 Fragen? Studienfachberatung OR Eignungsfeststellung