Mathematik und Naturwissenschaften studieren

News

Work On Mars - Projekt

Auszeichnung in der Kategorie "Experiment des Jahres"

 

 

Das Chaos hat System

Data Mining zum verbesserten Verständnis von prognostischen Faktoren im Organtransplantationswesen

 

Innovationspreis der WGKT

geht an Linda Rebstadt, Studentin im Master-Studiengang Data Science.

 

Willkommen am Fachbereich
Mathematik und Naturwissenschaften

Wir bieten folgende Studiengänge an:

Allgemeine Informationen:

Informationen zu Art und Umfang des Angebotes an Lehrveranstaltungen und Prüfungen am Fachbereich MN finden Sie unter Studienpläne und Semestertermine.

Ein sehr praktisches Tool ist der digitale Studienbegleiter. Neben der mobilen Darstellung steht der Studienbegleiter auch als klassische Desktop-Anwendung zur Verfügung. Beide Anwendungen sind über h-da.de/studienbegleiter erreichbar und werden entsprechend des genutzten Endgeräts angewählt.

Für Schülerinnen, Schüler und Schulen

  • Wir unterstützen den Girls’ Day / Boys’ Day, bei dem Schülerinnen und Schüler (ab der 8. Klasse) einen Einblick in das Berufsfeld Angewandte Mathematik oder Optotechnik und Bildverarbeitung bekommen können.
  • Das Hessen-Technikum richtet sich an Absolventinnen und Absolventen des Abiturs und der Fachhochschulreife ("Fach-Abi"), die Einblicke in Studienfächer und Berufe der MINT-Bereiche (Mathematik - Informatik - Naturwissenschaft - Technik) erhalten möchten.
  • Um sich über die verschiedenen Studienprogramme zu informieren, bietet sich die hobit und der match_day an.
  • Lehrerinnen und Lehrer laden wir herzlich ein, unseren Fachbereich kennenzulernen. Sehr gerne führen wir Sie durch unsere Labore und organisieren den Besuch einer Vorlesung. Auch ein Besuch an interessieren Schulen selbst ist möglich. Sprechen Sie mich an: Katja Jakob.

Weitere Informationen

Termine

Master-Kolloquium im Studiengang Data Science

Herr Patrick Tinz: "Realisierung eines anpassungsfähigen Deep Learning Modells für die Qualitätskontrolle im Spritzgussprozess"

 

Realisierung eines anpassungsfähigen Deep Learning Modells für die Qualitätskontrolle im Spritzgussprozess

Herr Janik Tinz: "Realisierung der Erklärbarkeit eines Deep Learning Modells für die Qualitätssicherung in der Spritzgussfertigung"

 

Master-Kolloquium im Studiengang Data Science

Frau Anastasiia Quarz: "Artificial intelligence guided positioning of active voxels in particle therapy treatment planning"