Som for matematikere i almindelighed er arbejdsløshed et ukendt fænomen. Uddannelsen i Anvendt Matematik sigter mod ansættelse i det private erhvervsliv eller i forskningsinstitutioner. Det er almindeligt, at projekter udføres efter henvendelse fra og i kontakt med erhvervsvirksomheder. Uddannelsen i Anvendt Matematik giver ikke undervisningskompetence i matematik i gymnasiet.
Anvendelse af matematiske modeller for optimering
Inden for eksempelvis erhvervslivet, sygehusvæsenet, den økonomiske sektor og byggesektoren er der stor brug for matematikere til at løse større modelleringsopgaver, hvor forskellige processer ønskes optimeret.
Når for eksempel patientflowet på et sygehus skal optimeres, materialeudgifter og timeforbrug minimeres, eller ruteplanlægning i forskellige sammenhænge skal foretages på den mest hensigtsmæssige måde, kan disse opgaver løses ved brug af matematiske og datalogiske metoder.
En anvendt matematiker analyserer altså praktiske problemer, formulerer algoritmer og opstiller og gennemfører store beregninger på computere for at finde løsninger, der forbedrer kvaliteten.
Statistisk analyse af data
Nogle matematikere fordyber sig i statistik, og de er meget efterspurgte af bl.a. analyseinstitutter, sygehuse og lægemiddelfabrikanter. Der er i det hele taget mange politiske og sundhedsmæssige beslutninger, der bliver taget på baggrund af statistiske analyser.
Helt grundlæggende er man som statistiker god til at finde ud af, om der er statistisk belæg for en hypotese om en årsagssammenhæng - fx om et bestemt lægemiddel er "årsag" til helbredelse eller om en bestemt politisk mærkesag er "årsag" til højere vælgertilslutning.
Eksempler på anvendelser af matematiske fagområder:
Diskret optimering -- ruteplanlægning:
Ruteplanlægningsproblemer optræder overalt i samfundet, fx i forbindelse med udbringning af varer, omdeling af post, buskørsel etc. De optræder også i vigtige områder som planlægning af hjemmepleje, hvor hver hjemmeplejer dagligt får tildelt en plan med besøg, der skal afvikles i en rækkefølge som overholder at alle besøg ligger indenfor aftalte "tidsvinduer". Disse samfundsmæssigt meget vigtige problemer kan med fordel behandles med matematiske/datalogiske metoder, hvorved man ofte får en betydelig forbedring i kvaliteten.
Diskret optimering -- skedulering:
Skedulering af processer har en helt central rolle i mange produktionsanlæg, hvor man fx søger en rækkefølge for processerne, så produktionen er færdig hurtigst muligt. Planlægning af arbejdsopgaver udføres alle steder, hvor mange skal deles om en større arbejdsopgave, fx pasning af en afdeling på et sygehus, kørsel med DSBs S-tog etc. Eksakte og heuristiske metoder kan anvendes til at finde planer der er væsentligt bedre end manuelt udarbejdede planer.
Differentialligninger -- Enzymproduktion:
I stor tank med næringsstof vokser svampeceller og producerer et enzym. Herunder klumper cellerne sig sammen og danner kugler, som vokser. Hvis kuglerne bliver for store, kommer der ikke næringsstof ind til centrum; cellerne i centrum dør, og produktionens effektivitet går ned. En matematisk model giver forståelse og mulighed for at forebygge.
Differentialligninger -- Animation på film og i computerspil:
En kasse falder ned ad en trappe. I stedet for at animere, hvordan den måske falder, beregner man (meget hurtigt!), hvordan den falder ifølge de fysiske love. Hvis man kan gøre det hurtigt nok, er det både lettere og ser bedre ud.
Statistik -- Analyse af data:
Statistiske metoder bruges til matematisk modellering af systemer som er underlagt tilfældige variationer med henblik på enten simulation og prediktion af systemet, eller at planlægge, indsamle og behandle data fra systemet. Eksempler: Ved analyse af luftforureningsdata kan man vurdere den sundhedsmæssige betydning af forskellige forureningskomponenter. Ved analyse af eksperimentelle fiskeridata kan man sammenligne forskellige typer grej, og vurdere overholdelse af mindstemål mv. I tvillingestudier kan forholdet mellem arv og miljø belyses ved at sammenholde data fra én- og tveæggede tvillinger. I forbindelse med billedanalyse bruges statistiske metoder til at løse problemer som f.eks. elimination af støj, mønstergenkendelse, klassifikation og datakompression.