Data Science

Masterstudiengang am Fachbereich VI

NC: ja
Studienbeginn: Wintersemester
Abschluss: Master of Science
Fachsemester: 4
Vorpraktikum: nicht erforderlich
Sonstige Voraussetzungen: Studiengang ab Wintersemester 2017/18, Akkreditierung in Planung
Homepage: http://data-science.berlin

Voraussetzungen

Zulassungsbedingungen

  • Mindestens (I) Englisch Sprachniveau B2
  • Mindestens (II) 20 ECTS in Mathematik/Statistik, z. B. Analysis, Lineare Algebra, Numerische Mathematik, Wahrscheinlichkeitstheorie, Datenmodellierung
  • Mindestens (III) 25 ECTS in der Informatik, z. B. Programmierung, Datenbanken, verteilte Systeme, Anwendungsprogrammierung

Bewerbung

Bewerbungszeitraum:

  • Zum Wintersemester: 15. April bis 15. Juni

Informationen zur Bewerbung für ein Masterstudium

Guide to the application process in english

Das Studium

Studieninhalte

Der Masterstudiengang Data Science vermittelt exzellente Expertise in den Bereichen Machine Learning/Big Data Analytics, um diese praktisch im Unternehmen umsetzen zu können.

Anwender für Data Science sind Unternehmen mit intelligenten Systemen/Maschinen, die große Datenströme verarbeiten, um Vorhersagen zu treffen. Dazu gehören Partnerunternehmen im Bereich Logistik, Marktforschung, Retail, Gesundheit oder auch Plattformbetreiber für maschinelle Intelligenz. Der  Studiengang bildet das gesamte Spektrum für Datenprodukte ab, u. a. Modellbildung, Datenbereinigung, Praxiserfahrung mit vielfältigen Datensätzen sowie Testen produktionsreifer Lösungen.

Das Masterstudium umfasst vier Semester und fünf Ausbildungsblöcke:

  1. Data Science relevante Grundlagen der Mathematik und Statistik
  2. Grundlagen der Informatik für Data Science
  3. Ethik und wirtschaftswissenschaftliche Aspekte für Data Science
  4. Machine Learning
  5. Anwendungsorientierte Projekte und Lehrveranstaltungen für Data Science

Im letzten Semester ist die Masterarbeit anzufertigen, die einen innovativen Teilbereich wissenschaftlich abdeckt oder neue anwendungsorientierte Lösungen für Start-Ups oder Unternehmen realisiert.

Praxisbezug

Durch die umfangreiche Forschungsarbeit der Fachgruppe Data Science bestehen vielfältige Beziehungen zu vielen Dutzend innovativen Unternehmen, die uns zusätzlich konkrete Fragestellungen und Daten liefern. So ist sichergestellt, dass Studieninhalte am Puls der Zeit vermittelt werden können.

Gleichzeitig werden initial bekannte Referenzdatensätze (Kaggle, Government Data, FiveThirtyEight, etc.) analysiert, um auch weltweite praxisnahe Fragestellungen zu analysieren.

Forschung

Die Fachgruppe Data Science ist eine der forschungsstärksten Fachgruppen an Hochschulen in Berlin. Aktuelle publikationstarke Forschungsprojekte wie FashionBrain (H2020), ExCELL (BMWi), Smart Data Web (BMWi), MACSS (BMWi), Berlin Big Data Center (BMBF), Smart Learning (BMBF), Brain-Bots, OCIDA (IFAF), etc. sind alle im Bereich Data Science/Machine Learning positioniert und sorgen für eine geeignete Forschungsanbindung.

Studiendauer und -abschluss

Die Regelstudienzeit beträgt vier Semester (darin enthalten sind das Masterseminar und die Masterarbeit).

Bei erfolgreichem Abschluss des Studiums wird der Grad Master of Science (M.Sc.) verliehen.

Berufliche Perspektiven

Data Scientists gehören in Berlin, Deutschland und weltweit zu der am meisten gefragten Berufsgruppe mit den höchsten Einstellungsgehältern. Sämtliche Partnerunternehmen fördern den Studiengang auch deshalb, weil dringend Absolventinnen und Absolventen gesucht werden.

Der Markt der intelligenten Systeme wird nach Einschätzung aller führenden Research Institute schneller wachsen als jeder andere Markt. Da intelligente Systeme in allen Branchen eingesetzt werden müssen, sind Data Scientists branchenübergreifend gefragt.

Studienplan

1. Studienplansemester
Modul Modulname SU SWS Ü SWS LP P/WP FB
M01 Mathematische Modelle 4 5 P II
M02 Fortgeschrittene Softwaretechnik 2 1 5 P VI
M03 Statistical Computing 2 1 5 P II
M04 Praxis der Data Science Programmierung 2 2 5 P VI
M05 Computer Science für Big Data 2 1 5 P VI
M06 Business Intelligence und Verantwortung 4 5 P VI
2. Studienplansemester
Modul Modulname SU SWS Ü SWS LP P/WP FB
M07 Visualisierung von Daten 2 2 6 P II
M08 Regression 2 2 6 P II
M09 Machine Learning I 2 2 6 P II
M10 Anwendung 1: Data Science Workflow/Applications 4 7 P VI, II
M11 Wahlpflichtmodul I 4 5 WP VI
Wahlpflichtmodule
WP01 Text Mining und NLP 4 5 WP VI
WP02 ML als Service und Analytic Engines 4 5 WP VI
3. Studienplansemester
Modul Modulname SU SWS Ü SWS LP P/WP FB
M12 Machine Learning II 2 2 5 P II
M13 Anwendung 2: Urbane Technologien 4 5 P VI
M14 Anwendung 3: Enterprise Data Science 4 5 P VI
M15 Studium Generale I 2 2,5 WP I
M16 Studium Generale II 2 2,5 WP I
M17 Business Value 4 5 P I
M18 Wahlpflichtmodul II 4 5 WP II oder VI
Wahlpflichtmodule
WP03 Deep Learning 4 5 WP VI
WP04 Learning from Images 4 5 WP VI
WP05 Stichprobenverfahren und Versuchsplanung 4 5 WP II
WP06 Learning Optimization 4 5 WP II
4. Studienplansemester
Modul Modulname SU SWS Ü SWS LP P/WP FB
M19 Abschlussprüfung 30 P
M19.1 Master-Arbeit 25 P
M19.2 Mündliche Abschlussprüfung 5 P

Quelle: Amtliche Mitteilung, 38. Jahrgang, Nr. 15/2017 vom 08.11.2016

SWS: Semesterwochenstunden, SU: Seminaristischer Unterricht, Ü: Übung, P: Pflichtmodul, WP: Wahlpflichtmodul, Cr: Credits, LP: Leistungspunkte, FB: für die Durchführung eines Moduls zuständiger Fachbereich