Master Data Analytics (M. Sc.)
Mit der immer weiter anwachsenden Datenfülle in allen Bereichen und den ständig zunehmenden Computing-Kapazitäten steigt auch der Bedarf nach einer adäquaten Aufbereitung, Verarbeitung, Modellierung und Interpretation der Daten. Der Masterstudiengang Data Analytics bietet Graduierten eines Bachelorstudiengangs, in dem solide mathematische Kenntnisse erworben wurden die Möglichkeit, sich im Bereich der analytisch ausgerichteten Datenwissenschaft weiter zu qualifizieren.
Der Masterstudiengang befähigt Sie zur selbständigen Entwicklung und Anwendung von komplexen Modellen und Verfahren aus den Bereichen Statistik, Data Science und Machine Learning zur Lösung von praxisrelevanten Problemstellungen in Wirtschaft, Natur und Technik. Insbesondere erwerben Sie die Kompetenz, verschiedenste Anwendungsprobleme im Umgang mit vielfältigen Daten aus Praxis und Forschung zu analysieren, bedarfsorientiert aufzubereiten und mit Hilfe von geeigneten Modellen, Systemen und computergestützten Verfahren nach dem Stand von Technik und Wissenschaft zu lösen. Darüber hinaus sind Sie nach Durchlaufen des Studiums in der Lage, wichtige wissenschaftliche Erkenntnisse und Methoden zu verstehen, neueste Forschungsergebnisse effektiv umzusetzen und selbst zu entwickeln.
Der Masterstudiengang fördert Kommunikations- sowie Teamfähigkeit und führt Sie an anspruchsvolle Tätigkeiten im internationalen Arbeitsumfeld in der Wirtschaft oder im akademischen Bereich heran.
Individuelle Schwerpunktsetzung
Neben einem verbindlichen Teil von grundlegenden Modulen haben Sie die Möglichkeit, im Wahlpflichtbereich eigene Schwerpunkte zu setzen. Ein solcher Schwerpunkt kann beispielsweise in der traditionellen Statistik, in der Modellbildung, in vertieften Machine Learning Methoden oder auch in speziellen Anwendungsgebieten liegen.
Weitere Infos...
Steckbrief
| auf einen Blick... | |
|---|---|
| Studiengangsbezeichnung | Master Data Analytics |
| Abschluss und Titel | Master of Science M.Sc. |
| Dauer des Studiums | 3 Semester in Vollzeit oder 6 Semester in Teilzeit |
| Studienbeginn | im Sommer- und im Wintersemester |
| Umfang / Leistungspunkte | insgesamt werden 90 Leistungspunkte erreicht |
Studienaufbau
Das Studium umfasst einen Grundlagenteil im Umfang von 5 verpflichtenden Modulen, einen Anwendungsteil im Umfang von 7 frei wählbaren Modulen, die Belegung eines Projektstudiums oder eines Hauptseminares sowie die abschließende Erstellung der Masterarbeit. In der abgebildeten Grafik wurden die Module zur übersichtlicheren Darstellung farblich unterlegt und im Anwendungsteil mit passenden Überschriften versehen. Die Module im Anwendungsteil können beliebig zusammengestellt werden und ermöglichen so eine eher breite oder eine eher spezialisierte Ausbildung.
Die im Anwendungsteil erscheinenden Module stellen Beispielfächer dar. Das tatsächliche Angebot wird semesterweise im Studienplan für das jeweilige Semester festgelegt.
Modulübersicht und Studienverlaufsplan
| Modulgruppe | Informelle Unterkategorie | Modulbezeichnung | LP (Leistungspunkte) |
|---|---|---|---|
| Grundlagen | Maß- und Wahrscheinlichkeitstheorie Inferenzstatistik Angewandte Zeitreihenanalyse Pattern Recognition and Machine Learning Mathematik und Programmierung für Machine Learning | 5 5 5 5 5 | |
| Anwendungen | Traditionelle Statistik | Angewandte Multivariate Analysemethoden Bayes'sche Datenanalyse Kategoriale Datenanalyse anhand von Praxisbeispielen Explorative Verfahren und Datenvisualisierung | 5 5 5 5 |
| Modellbildung, Data Engineering und numerische Methoden | Modellbildung und Simulation Stochastische Prozesse und Anwendungen Advanced Data Modeling and Analysis with R / Python Data Engineering | 5 5 5 5 | |
| Vertiefungen im Machine Learning | Advanced Deep Learning Big Data Analytics Reinforcement Learning Text Mining und Natural Language Processing | 5 5 5 5 | |
| Spezielle Anwendungen und Ergänzungen | Medizin- und Biostatistik Risikomodellierung und Risikomanagement Finanzmathematik und Finanzprodukte Financial Econometrics | 5 5 5 5 | |
| Projekt oder Seminar | Projektstudium Data Analytics Hauptseminar Data Analytics | 6 6 | |
| Masterarbeit | Masterarbeit Data Analytics | 24 |
Der dargestellte Verlaufsplan bildet eine mögliche Aufteilung des Workloads auf die drei Regelstudiensemester eines Vollzeitstudiums ab. Die Unterscheidung nach Studienbeginn (WiSe oder SoSe) hat nur zum Ziel aufzuzeigen, dass sich unabhängig vom Studienbeginn eine gleichmäßige Fächerlast von 30 LP (Leistungspunkten, vormals ECTS) pro Semester erzielen lässt. Die tatsächliche Fächerbelegung hängt davon ab, in welchem Semester (WiSe oder SoSe) das entsprechende Fach angeboten wird.
| Studienbeginn WiSe |
Studienbeginn SoSe |
|||||||
|---|---|---|---|---|---|---|---|---|
| Fächer | LP | vorgesehener Turnus | LP im 1. Semester | LP im 2. Semester | LP im 3. Semester | LP im 1. Semester | LP im 2. Semester | LP im 3. Semester |
| Grundlagen (Pflichtmodule) Pflichtfächer Maß- und Wahrscheinlichkeitstheorie Inferenzstatistik Angewandte Zeitreihenanalyse Pattern Recognition and Machine Learning Mathematik und Programmierung für Machine Laerning | 25 5 5 5 5 5 | jährlich jährlich jährlich jährlich jährlich | 10 5 5 | 15 5 5 5 | 15 5 5 5 | 10 5 5 | ||
| Anwendungen Fachwissenschaftliche Wahlpflichtfächer (WPF) 1. WPF aus Angebotskorb 2. WPF aus Angebotskorb 3. WPF aus Angebotskorb 4. WPF aus Angebotskorb 5. WPF aus Angebotskorb 6. WPF aus Angebotskorb 7. WPF aus Angebotskorb | 35 | jährlich jährlich jährlich jährlich jährlich jährlich jährlich | 20 5 5 5 5 | 15 5 5 5 | 15 5 5 5 | 20 5 5 5 5 | ||
| Projekt oder Seminar Projekt oder Seminar Projektstudium Data Analytics Hauptseminar Data Analytics | 6 6 6 | jährlich semester | 6 | 6 | ||||
| Masterarbeit | 24 | fortlaufend | 24 | 24 | ||||
| Summe | 90 | 30 | 30 | 30 | 30 | 30 | 30 |
Für den Fall eines Teilzeitstudiums mit sechs Regelstudiensemestern ergeben sich analoge Verlaufspläne mit einer gleichmäßigen Fächerlast von 15 LP (Leistungspunkten, vormals ECTS) pro Semester.
Rund ums Studium
Fachstudienberatung
Prüfungskommission
Ansprechpartner
Studiengangsleitung