Die Veranstaltungen in diesem Bereich vermitteln die Grundlagen für das erfolgreiche Studium der Data Science.

?

Zu Beginn des Studiums steht eine Vorlesung zur Einführung in Data Science und Data Engineering an, in der die Grundlagen der Datenanalyse und der Programmierung vorgestellt werden.

?

Auf Seiten der Mathematik folgen Vorlesungen zur Linearen Algebra (Vektoren und Matrizen zur Darstellung komplexer Daten) und der Numerik (effektive und verl?ssliche Berechnungsmethoden).

?

In der Informatik werden die systematische Entwicklung von Programmen, die formalen Grundlagen (diskrete Strukturen wie Relationen und Graphen) und Logik erl?utert und darauf aufbauend dann Methoden zum Entwurf und der Analyse effizienter Algorithmen (Handlungsvorschriften) eingeführt.

?

Abgerundet wird dieser Bereich durch eine Ringvorlesung Anwendungen der Data Science, in der Referenten aus der Praxis ihre Erfahrungen vorstellen.

Moderne und leistungsf?hige Analyseverfahren bauen auf fortgeschrittenen Konzepten der Mathematik auf, welche in diesem Teil des Studiums gelehrt werden.

?

Die Analysis vermittelt die Methoden zur Untersuchung von Funktionen (u.a. Ableitung, Integrale) und zur Differentialrechnung, die für die Darstellung vieler realer Problemstellungen wichtig sind.

?

Mithilfe der Stochastik k?nnen statistische Verfahren zur Beschreibung und Auswertung mathematisch pr?zise modelliert werden und die Qualit?t der Ergebnisse bewertet werden.

?

Das Gebiet der Optimierung erm?glicht es, auch für komplexere (diskrete, nichtlineare) Problemstellungen Werte zu bestimmen, die zu den bestm?glichen Ergebnissen führen.

Ein Schwerpunkt der im Studium vorgestellten Analyseverfahren liegt im Bereich der künstlichen Intelligenz, insbesondere dem Maschinellen Lernen. Hier werden Modelle durch gegebene Beispiele oder durch Merkmale, die aus den Daten extrahiert wurden, trainiert. Ziel ist es, diese Informationen zu verallgemeinern und auf neue Eingaben zu transferieren. Im Studium werden hier sowohl die mathematischen Grundlagen als auch Verfahren für bestimmte Anwendungen betrachtet.

?

Erg?nzend zu den Analyseverfahren steht das Data Engineering, das die Aufbereitung der Daten (Extraktion, Bereinigung, Integration), die Prozesse zur Datenverwaltung und die dazu notwendige Big-Data-Infrastruktur umfasst. Im Studium werden dazu Vorlesungen zu Datenbanksystemen (formale Grundlagen, Modellierung und Abfragen strukturierter Daten, Datenkonsistenz) und Data Engineering angeboten, die in einem Praktikum direkt angewendet werden k?nnen.

Der Wahlbereich bietet eine Reihe von M?glichkeiten, das Wissen und die Methoden gezielt in unterschiedliche Richtungen auszubauen, unter anderem in den formalen Grundlagen, weiteren Analyseverfahren, aber auch in Anwendungsgebieten.

?

Diese Wahlm?glichkeiten gibt es auch im Seminar und im Forschungsmodul, wo das eigenst?ndige Aufbereiten von wissenschaftlichen Quellen bzw. das Umsetzen kleinerer Anteile an Forschungsprojekten eingeübt werden.

?

In der Bachelorarbeit k?nnen Studierende das im Studium erworbene Wissen und die erlernten Methoden selbst?ndig auf konkrete Problemstellungen aus Praxis oder Forschung anwenden und die Ergebnisse vorstellen.

Die Digitalisierung erreicht alle Bereiche des t?glichen Lebens, wodurch immer gr??ere Mengen an komplexen Daten erzeugt werden. Absolventinnen und Absolventen der Studieng?nge Data Science haben mit ihrem fundierten Wissen zur Analyse dieser Daten hervorragende Berufsaussichten, wie die unten aufgeführten Berufsfelder darlegen.

Die Data Science als moderne Querschnittswissenschaft unterstützt den Prozess der Digitalisierung und die effektive Auswertung von Daten in vielen Anwendungsbereichen:

?

• Datenanalyse / Big Data
• KI/Maschinelles Lernen
• Digitale Transformation im Bereich KMU/Industrie
• Prozessoptimierung, z.B. in der Logistik, im Onlinehandel oder der Energiebranche
• Systemanalyse/Consulting

Dank ihrer umfassenden Ausbildung in Informatik und Mathematik ero?ffnen sich den Absolventinnen und Absolventen ebenfalls Karrierechancen in beiden Bereichen. Insbesondere ist ein ?bergang in einschl?gige Masterstudieng?nge (Master Mathematik und Master Informatik) m?glich.