BSc Data Science
Der Studiengang
- Wie trainiert man ein neuronales Netzwerk?
- Für welche Aufgaben ist Machine Learning sinnvoll?
- Wie kann man hoch-dimensionale Daten verstehen?
- Wie unterscheidet man zufällige Muster von wahren?
- Wie kann ein Computer Texte übersetzen?
Wenn Sie sich schon mal Fragen dieser Art gestellt haben und Interesse an den komplexen Zusammenhängen von großen Datenmengen haben, dann könnte dieser Studiengang, den es vorraussichtlich ab dem Wintersemester 2022 an der KU Eichstätt-Ingolstadt geben wird, für Sie interessant sein.
Die Erfolge der Künstlichen Intelligenz und insbesondere des Maschinellen Lernens belegen das Potential mathematischer und statistischer Methoden. Die Zusammenhänge von großen Datenmengen zu entdecken und diese nutzbar zu machen, ist dabei ein wesentlicher Bestandteil der Data Science. Der neue Studiengang Data Science vermittelt die Grundlagen des maschinellen Lernens und anderer aktueller Verfahren zur Datenanalyse, sowie die Fähigkeit, diese Verfahren mit modernen Softwaretechnologien effizient umzusetzen. Die Wahl einer Spezialisierung erlaubt eine Vertiefung der mathematischen Grundlagen und/oder die Verbreiterung in Richtung eines Anwendungsgebietes.
Studienprogramm und -aufbau
Der Studiengang vermittelt die der Data Science zugrundeliegenden Kenntnisse aus den Studienbereichen
-
Mathematik
-
Statistik
-
Informatik
und ergänzt diese durch fachübergreifende Lehrveranstaltungen im Bereich der
-
Data Science
Erweitert wird dieser Studiengang durch die Möglichkeit zur Wahl einer Spezialisierung in sechs unterschiedlichen Anwendungsbereichen. Dadurch soll eine interdisziplinäre Perspektive auf die Datenwissenschaften und den digitalen Transformationsprozess in Unternehmen und Gesellschaft vermittelt werden.
Sie können innerhalb des Studiengangs Lehrveranstaltungen für folgende Spezialisierungen besuchen:
-
Applied Mathematics and Scientific Computing
-
Business Analytics and Operations
-
Digital Transformation of Society
-
Environmental Sciences
-
Finance and Economics
-
Machine Learning and Statistics
Studienverlaufspläne der Spezialisierungen
Applied Mathematics and Scientific Computing
Business Analytics and Operations
Digital Transformation of Society
Environmental Sciences
Finance and Economics
Machine Learning and Statistics
Die Kompetenzvermittlung und der Wissenserwerb erfolgen mit etablierten und modernen Lehrkonzepten, z.B. praktischen Übungen, Projektarbeiten in kleinen Gruppen und Vorlesungen. Somit erlernen Sie Arbeitsmethoden und Konzepte, die in weiten Bereichen der IT Branche und darüber hinaus eingesetzt werden. Absolventen und Absolventinnen des Studiengangs sind in der Lage, sowohl methodisch (z.B. als Data Analyst, Data Engineer) als auch konzeptuell (z.B. als Data Strategist) die fortschreitende Digitalisierung aktiv mitzugestalten.
Materialien zum Studium
Inhalt folgt
Info & Beratung
Prof. Dr.
Götz
Pfander
Inhaber des Lehrstuhls Mathematik - Wissenschaftliches Rechnen | Prodekan
Sprechstunde
nach Vereinbarung
nach Vereinbarung
Am Studiengang beteiligte Professuren
Lehrstuhl für Mathematik - Wissenschaftliches Rechnen
Prof. Dr. Götz Pfander
Zur Seite des Lehrstuhls: HIER
Lehrstuhl für Reliable Machine Learning
Prof. Dr. Felix Voigtlaender
Zur Seite des Lehrstuhls: HIER
Lehrstuhl für Angewandte Mathematik
Prof. Marcel Oliver
Seite folgt
Lehrstuhl für Geomatik und Geomathematik
laufendes Berufungsverfahren
Lehrstuhls für Mathematik - Statistik
Prof. Dr. Johannes Krebs
zur Seite des Lehrstuhls: HIER
Juniorprofessur für Mathematik - Data Science
Junior Prof. Dr. Dominik Stöger
Zur Seite: HIER