Studieninhalte
Der Bachelorstudiengang Angewandte Mathematik besteht aus drei Kernbereichen:
Mathematik (60 %): Das Studium beginnt mit einer Grundausbildung in Analysis und Linearer Algebra. Darauf aufbauend erfolgt die Vermittlung derjenigen Gebiete der Mathematik, die für praktische Anwendungen besonders wichtig sind wie Wahrscheinlichkeitstheorie und Statistik, Numerik, Differentialgleichungen und Optimierung.
Informatik (20 %): Im Rahmen der Informatikausbildung stehen algorithmisches Problemlösen, das Strukturieren von Information und die Programmierung im Mittelpunkt. Darüber hinaus wird der Umgang mit mathematischer Spezialsoftware behandelt.
Anwendungsschwerpunkt (20 %)
- Technik: Aufbauend auf Grundlagen aus der Physik erfolgt eine Einführung in wichtige ingeneurwissenschaftliche Anwendungsgebiete (Technische Mechanik, Elektrotechnik).
- Wirtschaft: Hier wird neben einer Einführung in die Grundlagen der Betriebswirtschaftslehre eine Vertiefung durch analytische Fächer wie Data Science, Prozessmodellierung und Qualitätssicherung angeboten.
Zusätzlich fördern Kurse für berufsbezogenes Englisch und Softskills die Entwicklung von Präsentationstechniken und rhetorischen Fähigkeiten, die für die moderne Arbeitswelt unverzichtbar sind.
Praxisphase
Im sechsten Studiensemester absolvieren Sie ein Praktikum in einem Unternehmen. Bei dieser Tätigkeit werden Sie mathematische und technische Kenntnisse sowie deren Anwendung in der Praxis vertiefen.
Abschlussarbeit
Im siebten und letzten Semester beschäftigen Sie sich mit der Abschlussarbeit bzw. Bachelorarbeit. Die wissenschaftliche Fragestellung der Bachelorarbeit ergibt sich häufig aus der Tätigkeit des Praktikums. Daher werden Sie typischerweise die Bachelorarbeit im gleichen Unternehmen anfertigen. Selbstverständlich werden Sie von einem Dozenten der THWS betreut. Beispiele für Bachelorarbeiten sind:
- Deep Learning Methoden für die kamerabasierte Anomaliedetektion von Kleinladungsträgern, TWHS-intern, SS 2023
- Fast algorithm for optimal hyperparameter learning in piecewise regression, TWHS-intern, WS 2022/2023
- Eine Bildklassifizierung basierend auf Convolutional Neural Networks zur Trennung von Hausmüll, TWHS-intern, WS 2021/2022
- Modellierung eines Leichtbauroboters in einer mathematischen Software, THWS-intern, SS 2021
- Simulation der flexiblen Bauteile von Angiographie-Systemen, Siemens Healthineers, SS 2021
- Thermische Simulation eines mit Vakuumisolationspaneelen gedämmten Warmwasserspeichers mit Solid Works Flow Simulation, va-Q-tec AG, SS 2021
- Erweiterung einer Software zur modell-basierten Analyse und Visualisierung des intradialytischen Säure-Base-Haushalts, Fresenius Medical Care Deutschland GmbH, WS 2020/2021
- Steigerung der Produktdatenqualität zur Anwendung von prädiktiven Qualitätsregelkreisen im Fahrzeugbau, BMW AG, WS 2020/2021
- Deterministische Modelle für Mischungsvorgänge, THWS-intern, WS 2020/2021
- Industrial-Grade Quality Inspection using Generative Adversarial Sampling from Small Data – Empirical Findings, Fresenius Medical Care, SS 2020
- Implementation and Evaluation of Sampling Methods to Combat Class Imbalance in Machine Learning - Application towards an Industrial Welding Dataset, Daimler AG, SS 2020
- Erarbeitung und Umsetzung eines Konzepts zur Verarbeitung und Analyse von bauteil- und anwendungsorientierten Lastkollektiven, J.M. Voith SE & Co. KG, WS 2019/2020
- Hybrider Zuverlässigkeitsnachweis am Beispiel 8P4G EM-Rotor, ZF Friedrichshafen AG, WS 2019/2020
- Reverse Engineering von CAN-Botschaften - Anwendung und Vergleich von Methoden des maschinellen Lernens, e-troFit GmbH, WS 2019/2020
- Verbrauchsprognose von Streckblasmaschinen - Datenanalyse und Vergleich von Algorithmen des maschinellen Lernens, Krones AG, SS 2019
- Strukturüberwachung von Faserverbund-Bauteilen mittels Verarbeitung akustischer Signale: Erarbeitung eines Verfahrens der Datenanalyse durch statistische Methoden, ZF Friedrichshafen AG, WS 2017/2018