Fakultät
für Informatik
und Mathematik

Master Data Analytics - Drei junge Menschen werten computergestützt Daten aus

Studieninteressierte Studienangebot Master Data Analytics

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...

Die zunehmende Verfügbarkeit von Daten zusammen mit der wachsenden Computing-Power generiert einen nachhaltig hohen Bedarf an Expertise im Bereich Data Analytics. Unternehmen, in denen die vorliegenden und die potentiell interessierenden Daten adäquat erhoben und mit Methoden der Statistik und des Machine Learnings analysiert werden, verfügen im Vergleich zur Konkurrenz, die dies nicht vornehmen, über einen Wettbewerbsvorteil. Vor diesem Hintergrund ergibt sich auf der Seite von kleinen und mittelständischen Firmen, in denen der Einsatz von Data Science Methoden vielfach erst am Anfang steht, eine ausgeprägte Nachfrage nach Data Science Specialists. Großunternehmen, die teilweise über eigene Data Science Abteilungen verfügen, bieten regelmäßig interessante berufliche Perspektiven für Graduierte des Studiengangs. Der geschilderte Bedarf betrifft praktisch alle Wirtschaftszweige, angefangen von Produktionsunternehmen, über Handelsketten bis hin zu Telekommunikationsfirmen, Pharmafirmen, Versicherungen, Banken und Unternehmensberatungen.

In der Forschung im Bereich Statistik und Machine Learning – an Universitäten, Forschungsinstituten aber auch in internationalen Großunternehmen – bieten sich ebenfalls interessante Einsatzmöglichkeiten für Data Analytics Experts, wobei sich an das Masterstudium idealerweise noch eine einschlägige Promotion anschließt, auf die der Master Data Analytics ebenfalls vorbereitet.

Berufliche Perspektiven

Aus der Vielzahl und dem großen Spektrum von möglichen Einsatzfeldern nach Abschluss des Masterstudiums sind im Folgenden einige beispielhaft aufgeführt:

• Produktionsunternehmen: Zuverlässigkeitsanalysen, Analyse technischer Risiken, Qualitätsmanagement, Predictive Analysis und Just-in-time Produktion

• Speziell Automobilbranche: Autonomes Fahren, Fahrzeugabsicherung, Connected Services, Sprachdialogsysteme

• Handelsunternehmen / E-Commerce: Marktforschung, Kundenbindung, Planung von Werbekampagnen, Marketing, Prognosen

• Energie- und Umweltbranche: Intelligentes Lastenmanagement, Adaptive Strombepreisung, Steuerung Windkraftanlagen, Analysen zu Umwelt- und Klimaveränderungen

• Medizin: KI-basierte bildanalytische Diagnostik, statistische Analysen im Rahmen klinischer Studien, Optimierung von Patientenflüssen in Krankenhäusern

• Finanzsektor: Anwendung von Machine-Learning-Techniken in Online Lending Platformen und Credit Scoring Modellen, Risikomanagement/-controlling in Banken und Versicherungen

• Data Analytics Abteilungen in Unternehmen: Architektur und Setup von Daten- und Modellpipelines für Entwicklung, Test- und Produktivbetrieb; Entwicklung, Optimierung und Deployment von Machine Learning-Modellen sowie Evaluierung neuer Technologien, Frameworks und Trends

• Forschungsabteilungen in Wirtschaftsunternehmen und im akademischen Bereich auf dem Gebiet Data Science und KI

Berufliche Einsatzfelder

Symbolbild Fakultät 07 Informatik und Mathematik der Hochschule München

Wer diesen Studiengang studiert

bringt mit

• ausgeprägtes analytisches Denkvermögen
• gute Abstraktionsfähigkeit
• Ausdauer und Konzentrationsvermögen
• solide mathematische Kenntnisse auf Bachelor-Niveau
• Teamgeist, Kommunikationsfähigkeit und gute englische Sprachkenntnisse

hat Freude an

• Nachdenken, Hinterfragen, Knobeln, Schlussfolgern, Interpretieren
• Lösen von kniffligen, praxisorientierten Aufgabenstellungen
• Einsatz mathematischer Methoden sowie Entwickeln und Implementieren von Modellen
• Vermitteln von Erkenntnissen auch an Nicht-Experten

interessiert sich für

• die Bearbeitung von praxisrelevanten Fragestellungen im Zusammenhang mit der Erhebung, Auswertung, Analyse und Interpretation von Daten, wie sie in Wirtschaft, Sozialwissenschaften, Medizin, Natur und Technik auftreten
• die Hintergründe der zur Analyse verwendeten Methoden, Verfahrensweisen und Modelle
• die Anwendung und Anpassung und von State-of-the-Art-Modellen des Machine Learnings

Passt der Studiengang zu mir?

Die Zulassungsvoraussetzungen für den Master Data Analytics sind (die genauen Regelungen finden sich in der Studien- und Prüfungsordnung (SPO) des Master Data Analytics):

• ein abgeschlossenes, mindestens sechs theoretische Studiensemester und mindestens 180 Leistungspunkte umfassendes, mathematisch orientiertes Studium an einer deutschen Hochschule oder ein gleichwertiger Abschluss

• mit einem Prüfungsgesamtergebnis von 2,5 oder besser und

• mindestens 30 Leistungspunkten in mathematisch orientierten Modulen einschließlich der Bachelorarbeit

Unter obigen Voraussetzungen erfolgt eine direkte Zulassung bei einem Prüfungsgesamtergebnis von 2,0 oder besser und mindestens 45 Leistungspunkten in mathematisch orientierten Modulen. Andernfalls entscheidet unter obigen Voraussetzungen eine Eignungsprüfung über die Zulassung.

Studien- und Prüfungsordnung - Master Data Analytics

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.

Grafik zum Download

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

Studienplan

Studien- und Prüfungsordnungen

ZPA

Vorlesungspläne, Schwarzes Brett, Modulkatalog, Prüfungsplan, Sprechstunden

Fristen und Termine

Wichtige Fristen und Termine für das aktuelle und kommende Semester

Allgemeine Infos im Bewerbungsverfahren

Grundsätzliche Voraussetzungen ...

Studiengangsflyer