Mathematik Bachelor nach Informatik Bachelor

[0 101 0 110]

Ich habe einen guten Blick darauf, was im Mathematik Studium auf einen zu kommt. Bevor ich mein Informatik Studium an der FH angefangen habe, war ich für Wirtschaftsmathematik eingeschrieben an einer Universität, was Bachelor Mathematik mit Nebenfach BWL bzw. VWL ist. Da das direkt nach dem Abi war und ich mich noch nicht wirklich bereit für ein Studium gefühlt hab, habe ich erst mal ein Jahr Pause gemacht und habe 10 Monate gearbeitet. Danach habe ich mich eben für Inforamtik an der FH entscheiden auch weil ich mir es an der Uni nicht zugetraut habe, da ich mir manchmal etwas schwerer tu mit neues Sachen und manchmal etwas länger brauch um etwas zu verstehen. Ich sehe das FH Studium im Moment ein wenig so wie ein "Vorbereitungsstudium" um danach an die Universität zu gehen, da mich Mathematik doch reizt.

 

[Smash32]

Jedoch ist unter anderem das Mathematik Niveau sehr niedrig und unter fordert mich fast schon.

Wie gesagt, dann würde ich an die Universität gehen. Deine anfänglichen Bedenken der Universität gegenüber scheinen ja unberechtigt und wenn du an der FH in Mathe unterfordert bist, wird es für Mathe an der Uni auf jeden Fall reichen.

Ich würde die Kombination eher nach den Inhalten auswählen als nach den Titeln. In der freien Wirtschaft ist Inhalt wichtiger

Das trifft vielleicht auf Kleinunternehmen und Mittelständler zu aber auf keinen Fall auf die großen. Volkswagen, Continental, TUI und viele weitere sortieren die Hierarchieebenen strikt nach institutionalisiertem Titel. Da kommt man mit einem Bachelor bis zu einer bestimmten Ebene und nicht weiter und ebenso sieht es auch mit einem Master aus. Ausnahmen von dieser Regelung gibt es natürlich, das sind jedoch Sonderfälle.


Wenn du jetzt im zweiten Semester bist kann ich dir nur empfehlen jetzt zu wechseln. Ich stimme da der Meinung von ascer zu und sehe den Vorteil klar in einem Universitätsstudium das in einem Master mündet. Viel Wert auf die Auswahl einer Eliteuniversität oder ähnliches würde ich jedoch nicht legen. Meine Universität hat für meinen Studiengang auch einen Excellenzstatus, bringen tut mir das jedoch nichts. Wenn du gern in die Forschung möchtest sieht das natürlich wieder anders aus.

 

[0 101 0 110]

Ich habe halt immer noch die Bedenken, dass ich das nicht schaffe an der Universität. Eventuell kann ich ja das dritte Semester abwarten und schauen wie schwer mir Fächer wie Theoretische Informatik und Algorithmen und Datenstruktur fallen, welche ich alle im dritten Semester habe, und dann kann ich meine Entscheidung treffen.
Ich habe halt irgendwie die Befürchtung, dass wenn ich an der FH bleibe, vll nur irgendein Eoftware Engineer werde, was auch leute ohne Studium machen können und ich damit dauerhaft glaube ich nicht zufrieden wäre

 

[new Account()]

Ich habe halt irgendwie die Befürchtung, dass wenn ich an der FH bleibe, vll nur irgendein Eoftware Engineer werde,

So oder so kannst du alles werden was du willst - ob jetzt du jetzt mehr oder weniger Beweise in der VL machst.

Nach dem Bachelorstudium stehen dir auch noch alle Türen offen.

Aber wenn du dir sicher bist, dass du eher Uni-Mathe möchtest, dann kannst du ohne Probleme wechseln (und wahrscheinlich auch einiges anrechnen lassen). Und schaffen wirst du es genauso. Das ist kein Hexenwerk.

 

[ascer]

Ach Gott, ich schränke ein - ein PhD für Data Scientist Positionen in Deutschland

Du hast mich missverstanden: das war schon generell auch für Positionen in Deutschland gemeint. Bei typischen, größeren Adressen oder Startups sind nur prozentual die meisten Stellen in Übersee oder allenfalls noch London, Paris usw.

Es gibt aber durchaus auch (kleine) Zweigstellen von Google & Microsoft in Deutschland, genauso wie von IBM und weiteren. Und auch wenn die Masse der Innovativstartups aus Übersee kommt, so gibt es hier schon auch noch ein paar. Dann - wie gesagt - die ganzen DAX Unternehmen, die Finanzbranche (vor allem sowas wie z.B. Deutsche Bank).

Das sind, wie gesagt, von Innovativstartups bis hin zu den großen, bekannten Adressen die typischen Arbeitgeber für solche Positionen, also wo wirklich Data Scientists mit theoretischem Background gesucht werden. Oder Machine Learning, Robotik, Algorithmik, ...
Eben alles, was einen sehr hohen Theoriebackground erfordert.

Die PhD Vorraussetzungen bei amerikanischen Stellen muss man mit Vorsicht genießen.

Auf jeden Fall. Wobei in diesem Bereich meist ja primär von renommierten Adressen eingestellt wird und ein PhD aus Stanford z.B. ist definitiv schon enorm qualifizierend. Da ist das schon sehr vergleichbar.

Viel Wert auf die Auswahl einer Eliteuniversität oder ähnliches würde ich jedoch nicht legen.

Das würde ich bei der konkreten Uni auch nicht, wohl aber dabei was überhaupt in Frage kommt.

Rankings z.B. sind natürlich immer ungenau, zumindest teilweise etwas subjektiv und dadurch nicht wirklich gut zu vergleichen. Also ob man jetzt an der Top1-Uni, der Uni auf Rang 5 oder Rang 12 studiert, das macht ganz sicher keinen Unterschied.

Große Unterschiede kann man hingegen schon sehr gut messen und feststellen, also etwa ob man an einer Uni unter den Top 1%, den Top 10% oder den unteren 50% studiert.

Schon alleine deshalb, weil an den Top 1% die Spitzenforschung stattfindet. Ich konnte bei uns in meinem Bereich - AI - deshalb schon im Bachelor an interessanten Forschungspraktika teilnehmen, an internationalen Symposien teilnehmen usw.
Das macht schon einen sehr großen Unterschied dann, ob man hochqualifiziertes Lehrpersonal hat und vor allem überhaupt Forschungsprojekte, die ein entsprechendes Niveau haben, bei denen man sich an der Uni dann einbringen kann.

Ich habe halt immer noch die Bedenken, dass ich das nicht schaffe an der Universität.

Dieses Risiko muss jeder bei einem Studium eingehen. Du hast doch schon überdurchschnittlich viel Vergleichsmöglichkeiten. Die meisten gehen doch direkt aus dem Abi ins Studium.

Bei uns sind je nach Jahrgang am Ende immer so 50-80% weg im Bachelor. Bis zum Master noch ein bisschen mehr. Das sind vielfach aber auch diejenigen ohne Vorerfahrung. Abgesehen davon, wenn dein Ziel z.B. nur überhaupt "Data Scientist" ist, dann reicht ja auch vollkommen eine "einfachere" Uni. Es ist ja nicht so, wie schon gesagt, dass es etwa im Mittelstand gar keinen Bedarf gäbe.

 

[0 101 0 110]

Wie finde ich denn am besten heraus, welche Uni in welchen Bereich besonders bekannt ist? Denn, wie hier auch schon einige gemeint haben, will ich nicht aufs KIT oder TU Darmstadt nur weil der Ruf gut ist. Die Klausurenphase ist leider nicht der beste Zeitpunkt um sich um solche Dinge Gedanken zu machen, aber dieses Thema lässt mich einfach nicht los

 

[ascer]

will ich nicht aufs KIT oder TU Darmstadt nur weil der Ruf gut ist

Warum nicht? Speziell für IT liegen die sehr weit vorne. (wobei es beim KIT ja auch traurig wäre wenn nicht, die machen ja nichts anderes^^)

Ansonsten kann man bei den üblichen Verdächtigen gucken, d.h. Exzellenzinitiative des Bundes, dann ist noch sehr aussagekräftig das Times Higher Education Ranking und für US News & World Report sowie QS World University Rankings wird auch noch vergleichsweise viel Aufwand betrieben. Bedingt auch noch das CHE, das ist aber imho schon weniger umfangreich/objektiv.
Die meisten anderen Rankings sind deutlich kleiner und weniger aussagekräftig.

Ansonsten sind die Top-Adressen in Deutschland halt schnell zusammengezählt: LMU München, TU München, RWTH Aachen, TU Berlin, Humboldt Uni Berlin, Uni Konstanz, Uni Freiburg, Tübingen, Heidelberg, Hamburg, Göttingen, CAU in Kiel, Goethe Uni in Frankfurt und ein paar andere. Gerade für IT halt auch KIT und Darmstadt.

Ein paar andere kommen noch hinzu und das wars dann. Viel mehr schaffen es vom Niveau her nicht unter die besten 1% weltweit.

Man muss es aber wie gesagt auch nicht daran festmachen, beste 2% weltweit reicht ja auch locker

Ich würde mich nur gerade bei einer "Theoriekarriere" vorher informieren, damit man z.B. nicht an einer der "unteren 50%" landet. Das macht halt schon einen sehr großen Unterschied.

 

[0 101 0 110]

Und was ist wenn man zwar "in der Theorie" arbeitet, das jedoch weniger wissenschaftlich sondern schon in einer Firma? Schauen diese wirklich so extrem auf die Uni, an welcher man einen Abschluss gemacht hat?

 

[ascer]

@0 101 0 110 was meinst du, welcher FiSi für Unternehmen hinterher attraktiver ist:
(1) Ausbildung bei Onkel Erwin im 2-Mann-Betrieb der Kleinstadt um die Ecke; Haupttätigkeit wie bei vielen in dem Metier dann Kabeltauschen und Hardware wechseln
(2) Ausbildung bei der Telekom im Rechenzentrum für Cloud-Services; Haupttätigkeit Networking im RZ, Backuplösungen, Storage, ...

Genau das gleiche hast du bei einem Studium.

Es geht nicht nur darum, dass man - mal plakativ - mit Stanford in der Vita auch viel höhere Chancen hat überhaupt initial eingeladen zu werden, es geht vor allem um den generellen Lebenslauf. An irgendeiner Dorf-FH ist das Studium einfacher, man nimmt deutlich weniger Theorie mit und vor allem kommt man kaum mit Spitzenforschung in Kontakt.

Von Kryptographie, über Algorithmik, Robotik, künstlicher Intelligenz oder eben auch Data Science: bei den Innovativstartups oder den großen Adressen wird immer auch betrachtet, was man konkret im Curriculum und vor allem auch nebenbei gemacht hat.
Ganz konkret interessiert da z.B. auch wissenschaftliche Praktika, generell der ganze publication record, hat man irgendwo aktiv an Forschung partizipiert, hat man irgendwo Projektarbeit geleistet, war man mal in Startups usw. usf.

An der kleinen FH um die Ecke kannst du ja schon froh sein, wenn du überhaupt halbwegs ordentliche Module z.B. zu Robotik hast. An sowas wie der LMU wirst du zig Forscher finden, die regelmäßig publizieren und an internationalen Konferenzen teilnehmen usw.

Unabhängig vom eigenen Potential und dem härteren (bzgl. Theorie) Curriculum, hat man da vor allem überhaupt erst die Möglichkeit, entsprechend aktiv zu werden.
Es macht halt einen sehr großen Unterschied, ob man bei der FH an der Ecke z.B. bzgl. KI mal eine Vorlesung von irgendwem hatte, oder eben - nochmal plakativ - bei Andrew Ng in Stanford gelernt hat, der die AI Abteilung bei Baidu leitet und dessen Doktoranden hinter mehrerer der wichtigsten Publikationen in diesem Feld stecken.

Das ist wie in Physik mit Durchschnittsstudenten und unterdurchschnittlichem Professor zu lernen, oder unter Einstein an der ETH Zürich.


EDIT: Und ja, es war da von konkreten Unternehmen und dem Beruf die Rede. Man geht ja nicht z.B. zu Boston Dynamics, Kuka, ... und arbeitet dann auf einmal nur noch praktisch. Die suchen Leute mit großen theoretischen Background, weil das der Beruf ist. Ohne fundierte Mathekenntnisse geht in der Robotik gar nichts.

Gleiches gilt z.B. für Data Science. Du sitzt da ja nicht und machst auf einmal ganz andere Dinge. Oder Algorithmik...oder KI...