Data Science (B.Sc.)

In den Modulen im Bereich Informatik lernen Sie die Grundlagen des Programmierens und der Datenhaltung – in einer Tiefe, wie sie in typischen Data Science Projekten benötigt werden.

Nach Abschluss des Pflichtprogramms Ihres Hauptstudiums kennen Sie die wichtigsten Grundprinzipien maschinell lernender Systeme und sind in der Lage, Data Analytics Projekte selbständig durchzuführen sowie mit gängigen Big Data Architekturen zu arbeiten.

Die Wahlfächer und Domänenprojekte im 6. und 7. Semester ermöglichen es Ihnen, Schwerpunkte zu wählen und damit z.B. Informatik-Grundlagen zu vertiefen, um einen Informatik-Masterstudium anschließen zu können, oder bspw. in Maschinellem Lernen mehr Erfahrung zu sammeln.

Nach dem einführenden Modul im 1. Semester führen Sie im 2. bis 4. Semester jeweils ein Data Science Projekt durch, während die dafür notwendigen wirtschaftlichen Grundkenntnisse vermittelt werden. Auch die Fächer aus den Bereichen Informatik, Statistik und Mathematik greifen dieses Projekt auf und veranschaulichen die jeweiligen Lehrinhalte an Hand dieses Anwendungsbeispiels.

Das 5. Semester verbringen Sie Ihr Praxissemester in einem Unternehmen, wo Sie in der Regel ein Data Science Projekt zu einer Fragestellung aus dem Bereich Wirtschaft selbständig durchführen.

In den Domänenprojekten und Wahlfächern des 6. und 7. Semesters vertiefen Sie Ihr Grundwissen im Bereich Wirtschaft und bauen Kenntnisse in Anwendungsdomänen Ihrer Wahl weiter aus.

In den Modulen in Statistik lernen Sie die theoretischen Grundlagen der Datenanalyse und entwickeln ein Verständnis dafür, wie zuverlässig Ihre aus Daten gezogenen Schlüsse sind.

Anhand von Anwendungsbeispielen erarbeiten Sie dann systematische Vorgehensweisen für typische Fragestellungen der Data Analytics. Auch im Maschinellen Lernen kommen viele der in Statistik behandelten Konzepte zum Einsatz.

In den Mathematik-Modulen lernen Sie die Grundlagen aus Analysis, linearer Algebra und Logik, die in den Modulen der Wirtschaft, Statistik, sowie des Maschinellen Lernens und der Data Analytics zum Einsatz kommen.

Darüber hinaus liegt ein Schwerpunkt auf mathematischer Modellierung, d.h. der Fähigkeit, reale Sachverhalte, Fragestellungen und Daten in eine Form zu bringen, auf die die erlernten theoretischen Verfahren angewendet werden können.