Masterprogramm Numerik WS 2022/2023 - SS 2024

Das Masterstudium Mathematik umfasst in der Regel 4 Semester. Im vierten Semester sollte die Masterarbeit geschrieben werden. Insgesamt müssen 7 große Vorlesungen und 2 Seminare besucht werden:

3 Vorlesungen aus dem Schwerpunktgebiet (SP)
2 Vorlesungen aus der Angewandten Mathematik (AM)
2 Vorlesungen aus der Reinen Mathematik (RM)
1 Seminar Angewandte/Reine Mathematik und 1 Seminar im Schwerpunkt (Sem)

Numerik ist eine der möglichen Richtungen der Angewandten Mathematik.

Empfehlung für Studenten mit Ziel Numerik im Masterstudium

Im 4. Semester die Gewöhnlichen Differentialgleichungen (GDGL),
im 5. Semester die Numerische Analysis 3 (NA3) und
im 6. Semester die PartiellenDifferentialgleichungen (PDGL) hören.

Masterstudium mit Numerik

Vorschlag mit Numerik als (SP)

Vorschlag mit Numerik als (AM)

WS 22/23	SS 2023	WS 23/24	SS 2024
NA 4	Numerik	Numerik	Masterarbeit
AM	RM	AM	RM
-	Sem	Sem	-

WS 22/23	SS 2023	WS 23/24	SS 2024
SP	SP	SP	Masterarbeit
AM	RM	AM	RM
-	Sem	Sem	-

Geplante Numerik Master Vorlesungen der nächsten Semester

Dozent	WS 22/23	SS 2023	WS 23/24	SS 2024
M. Bachmayr		Adaptive Lösungskonzepte 42 Seminar: Aktuelle Themen der Approximationstheorie 2	Interpolation von Funktionenräumen und Approximation (H. Eisenmann) 21	Behandlung numerischer Eigenwertprobleme 42
B. Berkels	Funktionalanalysis 42	Variationsmethoden in der Bildverarbeitung 3	Mathematical Methods of Signal and Image Processing 42
L. Grasedyck	Behandlung numerischer Eigenwertprobleme 42	Numerische Multilineare Algebra 42	Hierarchische Matrizen 42	Numerische Multilineare Algebra 42
S. Müller	Functional Analysis 42	Multiskalentechniken I+II 42	Functional Analysis 42	Finite Element and Volume Methods 42
S. Noelle	Numerische Analysis 4 42

R. Tempone	Numerical methods for Stochastic Differential Equations with connections to Machine Learning 42 Seminar: Mathematics for Uncertainty Quantification 2 Seminar: Data Science under Uncertainty 2 Seminar: Uncertainty Quantification, Partial Differential Equations and Neural Networks 2	Numerical methods for random partial differential equations: hierarchical approximation and machine learning approaches 42 Stochastische Numerik mit Anwendungen in Simulation und Data Science 42 Seminar: Multilevel Monte Carlo 2 Seminar: Data Science under Uncertainty 2 Seminar: Mathematik der Uncertainty Quantification 2	Numerical methods for Stochastic Differential Equations with connections to Machine Learning 42 Seminar: Mathematics for Uncertainty Quantification 2 Seminar: Data Science under Uncertainty 2 Seminar: Uncertainty Quantification, Partial Differential Equations and Neural Networks 2	Numerical methods for random partial differential equations: hierarchical approximation and machine learning approaches 42 Stochastische Numerik mit Anwendungen in Simulation und Data Science 42 Seminar: Mathematics for Uncertainty Quantification 2 Seminar: Data Science under Uncertainty 2

M. Torrilhon		Mathematische Modelle der Natur- und Ingenieurwissenschaften (PDEs) 31	Non-Equilibrium Gas Dynamics with Moment Equations 21	Mathematische Modelle der Natur- und Ingenieurwissenschaften (PDEs) 31

M. Grepl	Numerische Analysis 3 42	Regelung partieller Differentialgleichungen I 21	Numerische Analysis 4 42
M. Herty	Optimierung C 42 Seminar Hyperbolik 2	Seminar Hyperbolik 2	Optimierung C 42 Continuous Optimization 21 Applications of Scalar Conservation Laws 21 Seminar Hyperbolik 2	Seminar Hyperbolik 2
A. Reusken			Numerische Analysis 3 42
H. Hanssmann				Geometrische Mechanik 21

Verschiedene Dozenten	Numerik-Seminar^*	Numerik-Seminar^*	Numerik-Seminar^*	Numerik-Seminar^*

42 bedeutet: 4-stündige Vorlesung mit 2-stündiger Übung

(*) Bei Interesse bitte bei einem Dozenten melden

Numeriknahe Vorlesungen der nächsten Semester

Vorlesung	WS 22/23	SS 2023	WS 23/24	SS 2024
Partielle Differentialgleichungen	PDGL I	PDGL II	PDGL I	PDGL II
Variationsrechnung	Var I		Var I

Numerik/Master Themengebiete an der RWTH Aachen

Themengebiet	Vorlesungen	Dozenten
Nichtlineare Approximation	Numer. Multilineare Algebra Bild/Datenanalyse Adaptive Lösungskonzepte Approximationstheorie	M. Bachmayr L. Grasedyck
Schnelle Löser	Mehrgitterverfahren Hierarchische Matrizen Schnelle iterative Löser diskretisierter PDGln Eigenwertprobleme	L. Grasedyck A. Reusken
Diskretisierung	Navier-Stokes Gleichungen Maxwellgleichungen Finite Volumen Verfahren Finite Elemente Methoden Multiskalentechniken Discontinuous Galerkin Methoden	M. Herty S. Noelle S. Müller M. Grepl
Modellierung	Einführung in PDE-Modelle der Physik und Ingenieurwissenschaften Kinetische Theorie: Numerik und Modelle Mathematische Methoden in der Chemie	M. Torrilhon M. Herbst
Optimierung / Regelung	Numerische Verfahren der Optimierung Kontinuierliche Optimierung Optimierung A Regelung partieller Differentialgleichungen	M. Herty M. Grepl
Modellreduktion	Modellreduktionsverfahren	M. Grepl