Master i anvendt matematikk og statistikk

Master i anvendt matematikk og statistikk lar studentene:

• Skaff deg et solid grunnlag i anvendt matematikk.
• Utvikle et sterkt forhold til forskning gjennom seminarer, veiledningsprosjekter og praksisplasser i forskningslaboratorier eller bedrifter.

Studentene kan også følge Ph.D. Spor for å veilede dem mot en doktorgrad på slutten av Master:

• Ph.D. spor Matematikk - fordypning i finans
• Ph.D. spor Data & Artificial Intelligence - fordypning i anvendt matematikk

Søknadsperioder for dette masterprogrammet: 03/11/2022 til 31/05/2023 i 3 økter:

• Økt 1: 03/11/2022 til 02/02/2022
• Økt 2: 03.02.2023 til 13.04.2023
• Økt 3: 14.04.2023 til 31.05.2023

Fokus på år 1: Anvendt matematikk og statistikk

Dette førsteårs masterprogrammet tilbyr et bredt spekter av grunnleggende og mer spesialiserte kurs i anvendt matematikk. Dette lar studentene bygge en personlig pensum tilpasset deres akademiske og profesjonelle prosjekter på følgende områder:

• Statistikk, finans og aktuarvitenskap
• Modellering, sannsynlighet og kunstig intelligens
• Optimalisering
• Signal, databehandling og maskinlæring
• Numerisk analyse og EDP

For å fullføre mastergraden kan førsteårsstudenter gå inn på følgende andreårsprogrammer:

• Master år 2 - Statistikk, finans og aktuarvitenskap
• Master år 2 - Matematisk modellering
• Master år 2 - Statistikk, finans og aktuarvitenskap
• Master år 2 - Sannsynlighet og økonomi

Fokus på år 2 statistikk, finans og aktuarvitenskap spesialisering

Stokastiske modeller brukes intensivt i finansinstitusjoner og forsikringsselskaper. I tillegg til modellspesifikasjoner, er nøyaktige statistiske metoder avgjørende for estimering, kalibrering og prognoser. Denne trenden har nylig blitt forsterket av fremveksten av datavitenskap og maskinlæring.

Masterprogrammet for statistikk, finans og aktuarvitenskap tar sikte på å trene spesialister på høyt nivå innen feltene tilfeldig modellering og risikostyring for å møte behovene til alle typer finansinstitusjoner. For å nå dette ambisiøse målet kreves et sterkt nivå i sannsynlighet og statistikk. Læreplanen er organisert rundt kjernekurs i tidsserier, maskinlæring, risikostyring, aktuarvitenskap og matematisk finans.

Fokus på fordypning i datavitenskap for år 2

Å utnytte dagens enorme datamengde krever sofistikerte matematiske teknikker, som danner grunnlaget for Data Science. Denne overgangen fra data til kunnskap gir mange utfordringer som krever en tverrfaglig tilnærming. Data Science er sterkt avhengig av statistisk behandling av informasjon: matematisk statistikk, numerisk statistikk, statistisk læring og maskinlæring.

Et bredt spekter av matematisk og numerisk statistikk og læringsmetoder brukes fra å analysere utforskende data til sofistikerte inferensteknikker (hierarkiske grafiske modeller) og klassifisering eller regresjon (dyp læring, støtte vektormaskin). For å kunne utvikles i massiv skala krever disse metodene mestring av datadistribusjonsmekanismer og storskalaberegninger. Anvendt matematikk (funksjonsanalyse, numerisk analyse, konveks og ikke-konveks optimalisering) spiller også en viktig rolle.

År 2: Andre spesialiseringer

• Matematisk modellering
• Sannsynlighet og finans

Karriere

Studenter fra spesialiseringen statistikk, finans og aktuarvitenskap vil være rustet til å forfølge en karriere som krever tilfeldig modellering og risikostyring for alle typer finansinstitusjoner, inkludert banker, forsikringsselskaper, kapitalforvaltere og hedgefond.

Studenter fra Data Science-spesialiseringen er i spenning ventet på det globale arbeidsmarkedet.