Datenwissenschaft, Data Science (grundständig)

  1. Главная
  2. Курсы обучения
  3. Datenwissenschaft, Data Science (grundständig)

Das grundständige Studienfach Datenwissenschaft, Data Science vermittelt wissenschaftliches Grundlagenwissen in Mathematik, Statistik, Informatik, Datenanalyse sowie Daten- und Informationsmanagement und führt zu einem ersten berufsqualifizierenden Hochschulabschluss.
Datenwissenschaft, Data Science kann man auch in Form von dualen Studiengängen und Fernstudiengängen studieren.

Альтернативные названия

Систематика

Berufs-ID: 129986
Systematiknummer: 43103-969
SIF-ID: 829290

Примеры программ обучения

Beispiele

  • Big Data Management (Bachelor)
  • Data Science (Bachelor)
  • Data Science in der Medizin (Bachelor)
  • Datenanalyse und Datenmanagement (Bachelor)
  • Digital Business and Data Science (Bachelor)
  • Mathematical Data Science (Bachelor)

Требования к школьному образованию

Vertiefte Kenntnisse in folgenden Schulfächern bilden gute Voraussetzungen für ein erfolgreiches Studium:

Mathematik:

Mathematik ist eine wichtige Voraussetzung für datenwissenschaftliche Studiengänge. Im Studium beschäftigt man sich sowohl mit theoretischer wie mit angewandter Mathematik und mit Statistik.

Informatik:

Gute Informatikkenntnisse und Anwendererfahrungen erleichtern den Einstieg in Themen wie Betriebssysteme, Rechnernetze, Programmiersprachen und Programmierpraktiken oder Datenbanken.

Wirtschaft/Recht:

Kenntnisse wirtschaftlicher Abläufe sind für das Studium nützlich. Beispielsweise werden im Studium statistische Daten aus den Bereichen Marktforschung oder Finanz- und Versicherungswesen ausgewertet.

Englisch:

Die für das Studium wichtige Fachliteratur steht häufig nur in englischer Sprache zur Verfügung. Die Studierenden müssen sie lesen und verstehen können.

Изучаемые предметы

Pflichtmodule (beispielhaft):

  • Algorithmen und Datenstrukturen
  • Beschreibende Statistik
  • Data Mining und quantitative Analysen
  • Datenbanksysteme
  • Datenbasiertes Marketing und Vertrieb
  • Lineare Optimierung
  • Maschinelles Lernen
  • Medizinische Dokumentation
  • Programmierung
  • Systemsoftware und Rechnerkommunikation
  • Technische Informatik
  • Visualisierung komplexer Datenstrukturen
  • Wahrscheinlichkeitsrechnung

Wahlpflichtmodule (beispielhaft):

  • Diskrete Mathematik
  • Information Retrieval
  • IT-Sicherheit
  • Mathematische Datenanalyse
  • Multimediale Signalverarbeitung
  • Numerische Basisverfahren
  • Webtechnologien

Praktische Studieninhalte:

Ggf. integrierte Praxisphasen (z.B. in der Softwareindustrie)

Примеры специализации

Zusatzqualifikationen

Der Erwerb von Zusatz- und Schlüsselqualifikationen bereits während des Studiums ist sinnvoll und für einen erfolgreichen Berufseinstieg von Vorteil (z.B. in den Bereichen Produktion im 21. Jahrhundert, Rhetorik und Projektmanagement) - ebenso wie passende Wahlpflichtmodule (z.B. zum Thema Webtechnologien) und einschlägige Praktika (z.B. Durchführen von Fallstudien in Unternehmen oder Organisationen).

Срок обучения

Regelstudiendauer: 6-8 Semester
Durchschnittliche tatsächliche Studiendauer: 7,4 Semester
Quelle: Statistisches Bundesamt, Fachserie 11, Reihe 4.2, Bildung und Kultur - Prüfungen an Hochschulen 2017

Возможные типы дипломов

  • Bachelor of Arts (B.A.)
  • Bachelor of Science (B.Sc.)

Ситуация с обучением

Auf folgende Bedingungen und Anforderungen sollte man sich einstellen:
  • Lehrveranstaltungen: während des Semesters in den Hörsälen und Seminarräumen der Hochschule Vorlesungen und Seminare besuchen
  • Praktische Übungen: z.B. in Computerlabors das Programmieren üben
  • Eigenständige Arbeit: Lehrveranstaltungen vor- und nachbereiten, in Bibliotheken recherchieren, Referate vorbereiten, Hausarbeiten anfertigen (auch in der vorlesungsfreien Zeit)
  • Organisation: das Studium im Rahmen des vorgegebenen Studienaufbaus eigenverantwortlich planen, vorgegebene Abgabetermine und Studienzeiten einhalten, Studien- und Prüfungsleistungen rechtzeitig erbringen (Selbstdisziplin und Organisationstalent erforderlich)
  • Berufsvorbereitung: ggf. Praktika absolvieren (z.B. in Betrieben, Organisationen), Berufseinstieg vorbereiten

Дуальное обучение

Duale Studiengänge verbinden ein Studium mit einer Berufsausbildung bzw. Praxisphasen in einem Betrieb.
Im grundständigen Studienfach Datenwissenschaft, Data Science sind sowohl ausbildungsintegrierende als auch praxisintegrierende Studiengänge möglich. Ein Studium im Studienfach Datenwissenschaft, Data Science kann beispielsweise mit der Ausbildung in einem anerkannten Ausbildungsberuf kombiniert werden.

Места обучения

Lernorte sind
  • an der Hochschule: Hörsäle, Seminar- und Übungsräume, Bibliotheken, Computerlabors
  • zu Hause (z.B. Vor- und Nachbereitung der Lehrveranstaltungen, Anfertigen von Hausarbeiten)

Виды учебных заведений

  • Университет
  • Университет Прикладных Наук

Международное обучение

Альтернативные курсы

Folgende Studienfächer können Alternativen für das Studienfach Datenwissenschaft, Data Science (grundständig) sein:

Bereich Mathematik und Statistik

Gemeinsamkeit:
  • Daten mit mathematischen und statistischen Methoden analysieren, aufbereiten und auswerten

Bereich Hard- und Softwareentwicklung

Gemeinsamkeiten:
  • Kenntnisse über Methoden und Konzepte der Informatik erwerben
  • Informationen gewinnen, verarbeiten und dafür nötige Software und Datenbanken entwickeln

Bereich IT-Koordination

Gemeinsamkeit:
  • große Datenbestände organisieren und Informationsprozesse konzipieren

Сферы деятельности

Für Bachelorabsolventen der Datenwissenschaft, Data Science bieten sich unterschiedliche Tätigkeitsfelder in der freien Wirtschaft an, z.B. Softwareentwicklung, Datenerhebung und -analyse oder Informationsbeschaffung, -erschließung und -aufbereitung.

Последующее образование

Выпускники бакалавриата Науки о Данных, Data Science могут продолжить учебу на последующих курсах, например, Наука о Данных, Data Science, Бизнес-информатика или Управление информацией, тем самым расширяя свои карьерные и профессиональные возможности.

  • Компьютерная математика (продвинутый курс)
  • Наука о Данных, Data Science (продвинутый курс)
  • Финансовая, бизнес математика (продвинутый курс)
  • Информатика (продвинутый курс)
  • Управление информацией (продвинутый курс)
  • Интернет-системы, электронные услуги (продвинутый курс)
  • Управление ИТ (продвинутый курс)
  • Разработка программного обеспечения (продвинутый курс)
  • Статистика (продвинутый курс)
  • Бизнес-информатика (продвинутый курс)

Развитие предметной области

Etablierung des Fachgebiets

Den Begriff "Datenwissenschaft" gibt es seit über 40 Jahren. Lange Zeit bildete er ein Synonym für die Statistik. Erst zu Beginn des 21. Jahrhunderts begann sich die Datenwissenschaft als eine eigenständige Wissenschaftsdisziplin zu etablieren, die mit Methoden und Theorien der Mathematik, Statistik und Informationstechnologie sowie des Informationsmanagements Fakten und Wissen aus großen und heterogenen Datenmengen gewinnt.
Verfahren zur elektronischen Datenanalyse und -auswertung werden zwar seit langem in den Unternehmen genutzt, jedoch produziert die rasant zunehmende Digitalisierung in vielen Lebens- und Wirtschaftsbereichen riesige Datenmengen (Big Data ), die in hoher Geschwindigkeit anfallen. Diese sind mit den klassischen Verfahren der Datenverarbeitung nicht mehr auszuwerten und erfordern neue Methoden und Technologien für die Datenanalyse und das Datenmanagement.
Um diese großen und komplexen Datenbestände unter Einsatz moderner IT-Infrastrukturen und geeigneter statistischer Modelle analysieren und verwerten zu können, haben die Hochschulen in jüngster Zeit eigenständige datenwissenschaftliche Studiengänge entwickelt.
Die interdisziplinären Studiengänge setzen je nach Hochschule unterschiedliche Schwerpunkte. Sie legen beispielsweise den Fokus auf die Datenanalyse oder stellen einen konkreten Anwendungsbezug in den Mittelpunkt.
Новые статьи
No items found