Data Science (M.Sc.)
Masterstudiengang am Fachbereich VI
| Abschluss: | Master of Science (M.Sc.) |
| Regelstudienzeit: | 4 Semester |
| Studienbeginn: | Wintersemester |
| Zulassungsbeschränkung: | NC |
| Unterrichtssprache: | Englisch |
| Akkreditiert: | ja |
| Leistungspunkte (Credits): | 120 |
| Homepage: | http://data-science.berlin |
Warum Data Science studieren?
Data Science ist mit seinen Teilgebieten Maschinelles Lernen (ML) und Deep Learning der vielleicht wichtigste Bereich für die Industrie und Infrastruktur im 21. Jahrhundert. Nicht umsonst sagte Andrew Ng: „AI is the new electricity"!
Anwender*innen für Big Data Analytics sind Unternehmen mit intelligenten Systemen/Maschinen, die große Datenströme verarbeiten, um Vorhersagen zu treffen: Chat-Bots, selbst fahrende Autos, Haushaltsroboter, Pharmazie – fast jeder Bereich profitiert massiv von Data Science. Für den englischsprachigen Studiengang erstellten wir 2016 einen innovativen, praxisnahen Lehrplan mit allen relevanten Themen bis hin zu ethischen Fragen.
Profitieren Sie von dem in Deutschland einmaligen Lab mit exzellenten Lehrenden – erfahrene Forscher*innen mit besten Industriekontakten – vielen Forschungsprojekten und Promotionsstudierenden. Vertiefen Sie sich in Deep Learning, Natural Language Processing, Bildverarbeitung, aktuellen ML-Themen, Optimierung u.v.m.
Beste Berufsaussichten: Data Science, Künstliche Intelligenz und Maschinelles Lernen sind besonders gefragt auf dem Jobmarkt. Unser Master erhält pro Woche über ein Dutzend Jobangebote!
Das sollten Sie mitbringen
- Neugierde für Daten – Unsichtbares in Daten entdecken wollen!
- Kenntnisse in Statistik, Informatik und Programmierung
Das sagen unsere Studierenden
»I really like that students are able to focus on different fields, for example computer vision, natural language processing or time series tasks.«
— Denis Baskan, Student
»Data science is the future and completely awesome – because it allows us to make informed decisions and to stop guessing. It‘s always in constant evolution and that prevents us from getting bored.«
— Edgardo Panza, Student
Voraussetzungen
- 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
- Nachgewiesener berufsqualifizierender Abschluss in einem Studiengang der Fachrichtungen „Informatik“ (Informatik, angewandte Informatik, Medieninformatik, Technische Informatik, Data Engineering) oder „Mathematik“ (Mathematik, angewandte Mathematik, Statistik) oder in einem vergleichbaren Studiengang mit mindestens 180 ECTS.
Das Studium
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:
- Data Science relevante Grundlagen der Mathematik und Statistik
- Grundlagen der Informatik für Data Science
- Ethik und wirtschaftswissenschaftliche Aspekte für Data Science
- Machine Learning
- 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.
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.
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.
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 Absolvent*innen 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.
- Amazon AWS (Berlin)
- Axel Springer Verlag, Welt/N24 (Berlin)
- Bayer SE (Berlin)
- Bundesdruckerei (Berlin)
- Charité Universitätsmedizin (Berlin)
- Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI) GmbH (Büro Berlin)
- eBay Inc. /mobile.de (Berlin/Kleinmachnow)
- ENTIRETEC AG (Dresden)
- Feld M GmbH (München)
- Fraunhofer FOKUS Berlin
- Golem.de GmbH (Berlin)
- Helios Kliniken GmbH (Berlin)
- HERE GmbH (Berlin)
- Holtzbrink Konzern, Die-Zeit-Online (Hamburg/Berlin)
- IBM Deutschland GmbH (Köln)
- Inovex GmbH (Pforzheim, Karlsruhe)
- Neofonie GmbH (Berlin)
- SAP SE, Innovation Center Potsdam
- Siemens AG (München)
- SmartPatient GmbH (München)
- SpringerNature Verlag (Berlin)
- ubermetrics GmbH (Berlin)
- Vico Research & Consulting GmbH (Stuttgart)
- webTrekk GmbH (Berlin)
- Zalando SE (Berlin)
Studienplan
| 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 Data Science Plattformen | 4 | 5 | P | VI |
| 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 (WP01 oder WP02) | 4 | 5 | WP | VI |
| Modul | Modulname | SU SWS | Ü SWS | LP | P/WP | FB |
|---|---|---|---|---|---|---|
| WP01 | Text Mining und NLP | 4 | 5 | WP | VI | |
| WP02 | Deep Learning | 4 | 5 | WP | VI |
| 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 und Verantwortung | 4 | 5 | P | I | |
| M18 | Wahlpflichtmodul II (WP03, WP04, WP05 oder WP06) | 4 | 5 | WP | II oder VI |
| Modul | Modulname | SU SWS | Ü SWS | LP | P/WP | FB |
|---|---|---|---|---|---|---|
| WP03 | Advances in Machine 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 |
Quelle: Amtliche Mitteilung, 42. Jahrgang, Nr. 05/2021 vom 24.11.2020
Kontakt
-
Prof. Dr.-Ing. Stefan Edlich
(Studienfachberater)
Dokumente
- 2024 Zugangsordnung 2. Änderung gültig ab WiSe 2025-26
- Zugangsordnung 1. Änderung gültig ab WiSe-2019 2020
- Zugangsordnung 2017
- 2021 Studien- und Prüfungsordnung gültig ab WiSe 2021-22
- 2021 Modulhandbuch zur Studien- und Prüfungsordnung 2021