Das weiterführende Studienfach Datenwissenschaft, Data Science vertieft die im grundständigen Studienfach und ggf. während einer Berufstätigkeit erworbenen Kenntnisse in den Themengebieten Statistik, Big Data , Datenanalyse sowie Daten- und Informationsmanagement.
Das Studium führt zu einem zweiten berufsqualifizierenden Hochschulabschluss.
Datenwissenschaft, Data Science kann man auch im Rahmen von Fern-, Teilzeit- oder dualen Studiengängen studieren.
Альтернативные названия
Систематика
Berufs-ID: 129988
Systematiknummer: 43104-951
SIF-ID: 829330
Примеры программ обучения
Beispiele
- Big Data Management (Master)
- Business Intelligence and Data Science (Master)
- Computational and Data Science (Master)
- Data Analytics (Master)
- Data Engineering and Analytics (Master)
- Datenmanagement in Produktentwicklung und Produktion (Master)
- Datenwissenschaft/Data Science (Master)
- Digitales Datenmanagement (Master)
- Machine Learning and Data Analytics (Master)
- Management and Data Science (Master)
Требования к школьному образованию
Изучаемые предметы
Module (beispielhaft):
- Applied Statistics
- Big Data
- Business-Analytics
- Business Intelligence & Warehouse
- Datamining
- Decision Support
- Digitales Prozessmanagement
- Ethics and Law
- Forschungsdatenmanagement
- Foundations in Data Analysis and Data Engineering
- Machine Learning
- Management of Scientific Data
- Mathematical Foundations for Data Science
- Parallel Computing
- Programming for Data Science
- Statistische Methoden in der Datenaufarbeitung und -auswertung
- Textmining
- Web and Social Media Analytics
Praktische Studieninhalte:
Je nach Hochschule integrierte Praxisphasen (z.B. Praxisprojekt in der Softwareindustrie), Auslandssemester
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 Wahlmodule und einschlägige Praktika (z.B. in der Softwareindustrie).
Срок обучения
Regelstudiendauer: 2-4 Semester
Zur durchschnittlichen tatsächlichen Studiendauer liegen keine statistischen Daten vor.
Возможные типы дипломов
- Master of Engineering (M.Eng.)
- Master of Fine Arts (M.F.A.)
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
- Berufsbegleitendes Studium: unter der Woche tagsüber im Beruf tätig und in den Abendstunden oder am Wochenende an der Hochschule
- Praktische Übungen: z.B. in Computerlabors selbst entwickelte Software testen
- Eigenständige Arbeit: Lehrveranstaltungen vor- und nachbereiten, in Bibliotheken recherchieren, Referate vorbereiten, Hausarbeiten anfertigen (auch in der vorlesungsfreien Zeit)
- Wissenschaftliche Forschung: Fertigkeiten im wissenschaftlichen Arbeiten vertiefen
- Organisation und Planung: das Studium eigenverantwortlich planen, vorgegebene Studienzeiten einhalten, Studien- und Prüfungsleistungen rechtzeitig erbringen (Selbstdisziplin und Organisationstalent erforderlich)
- Berufsvorbereitung: ggf. Praktika absolvieren (z.B. in der Softwareindustrie), Berufseinstieg vorbereiten
Дуальное обучение
Duale Studiengänge verbinden ein Studium mit einer fachlich verwandten beruflichen Tätigkeit bzw. mit studienbezogenen Praxisphasen in einem Betrieb.
Im weiterführenden Studienfach Datenwissenschaft, Data Science sind praxisintegrierende Studiengänge möglich.
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
Studienalternativen
Folgende Studienfächer können Alternativen für das Studienfach Datenwissenschaft, Data Science (weiterführend) sein:
Bereich Mathematik und Statistik
- Statistik (weiterführend)
- Finanz-, Wirtschaftsmathematik (weiterführend)
- Computermathematik (weiterführend)
Gemeinsamkeit:
- Daten mit mathematischen und statistischen Methoden analysieren, aufbereiten und auswerten
Bereich Hard- und Softwareentwicklung
- Informatik (weiterführend)
- Softwaretechnik (weiterführend)
- Internetbasierte Systeme, E-Services (weiterführend)
- Wirtschaftsinformatik (weiterführend)
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 Masterabsolventen der Datenwissenschaft, Data Science bieten sich unterschiedliche Tätigkeitsfelder in der freien Wirtschaft an, z.B. Softwareentwicklung, Datenerhebung und -analyse oder Informationsbeschaffung, -erschließung und -aufbereitung.
Wer eine wissenschaftliche Laufbahn an der Hochschule anstrebt, muss i.d.R. promovieren. Eine Promotion erleichtert ggf. auch in der Privatwirtschaft und Forschung den Zugang zu gehobenen beruflichen Positionen.
Последующее образование
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.
