Masterprogramm Numerik WS 2021/2022 - SS 2023

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 21/22	SS 2022	WS 22/23	SS 2023
NA 4	Numerik	Numerik	Masterarbeit
AM	RM	AM	RM
-	Sem	Sem	-

WS 21/22	SS 2022	WS 22/23	SS 2023
SP	SP	SP	Masterarbeit
AM	RM	AM	RM
-	Sem	Sem	-

Geplante Numerik Master Vorlesungen der nächsten Semester

Dozent	WS 21/22	SS 2022	WS 22/23	SS 2023
M. Bachmayr				Adaptive Lösungskonzepte 42 Seminar: Aktuelle Themen der Approximationstheorie 2
B. Berkels	Mathematical Methods of Signal and Image Processing 42	Variationsmethoden in der Bildverarbeitung 3			Funktionalanalysis 42	Variationsmethoden in der Bildverarbeitung 3
L. Grasedyck	Numerische Analysis 4 42	Hierarchische Matrizen 42	Behandlung numerischer Eigenwertprobleme 42	Numerische Multilineare Algebra 42
S. Müller	Functional Analysis 42	Multiskalentechniken I+II 42	Functional Analysis 42	Multiskalentechniken I+II 42
S. Noelle	Numerische Analysis 3 42 Finite Elemente+ Finite Volumen II 21	Finite Elemente und Volumen Verfahren I 21	Numerische Analysis 4 42

R. Tempone	Numerical methods for Stochastic Differential Equations with connections to Machine Learning 42 Seminar: Mathematics for Uncertainty Quantification 2 Data Science under Uncertainty 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: Multilevel Monte Carlo 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: Multilevel Monte Carlo 2 Seminar: Data Science under Uncertainty 2 Seminar: Mathematik der Uncertainty Quantification 2
H. Hoel	Mathematics and numerics for data assimilation and state estimation 42

M. Herbst		Mathematische Aspekte der rechnergestützten Chemie 21
B. Stamm		Seminar Mathematische Modelle in atomistischen Simulationen 2 Seminar zur Computergestützten Mathematischen Modellierung 2
M. Torrilhon	Mathematische Modelle der Natur- und Ingenieurwissenschaften (PDEs) 3 1	Semi-analytical Methods for Partial Differential Equations 2 Non-Equilibrium Gas Dynamics with Moment Equations 3		Mathematische Modelle der Natur- und Ingenieurwissenschaften (PDEs) 31 Non-Equilibrium Gas Dynamics with Moment Equations 3

M. Grepl			Numerische Analysis 3 42	Regelung partieller Differentialgleichungen I 21
M. Herty	Seminar Hyperbolik 2	Seminar Hyperbolik 2	Optimierung C 42 Seminar Hyperbolik 2	Seminar Hyperbolik 2
A. Reusken		Schnelle iterative Löser diskretisierter PDGln 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

Block-Seminar Cammp Week Pro (5CP)

Numeriknahe Vorlesungen der nächsten Semester

Vorlesung	WS 21/22	SS 2022	WS 22/23	SS 2023
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	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
Modellierung	Einführung in PDE-Modelle der Physik und Ingenieurwissenschaften Kinetische Theorie: Numerik und Modelle Mathematische Methoden in der Chemie	M. Torrilhon B. Stamm
Optimierung	Numerische Verfahren der Optimierung Kontinuierliche Optimierung Optimierung A Topologieoptimierung	M. Herty