Die Veranstaltungen in diesem Bereich vermitteln die Grundlagen für das erfolgreiche Studium der Data Science.

Zu Beginn des Studiums steht eine Vorlesung zur Einführung in Data Science und Data Engineering an, in der die Grundlagen der Datenanalyse und der Programmierung vorgestellt werden.

Auf Seiten der Mathematik folgen Vorlesungen zur Linearen Algebra (Vektoren und Matrizen zur Darstellung komplexer Daten) und der Numerik (effektive und verlässliche Berechnungsmethoden).

In der Informatik werden die systematische Entwicklung von Programmen, die formalen Grundlagen (diskrete Strukturen wie Relationen und Graphen) und Logik erläutert und darauf aufbauend dann Methoden zum Entwurf und der Analyse effizienter Algorithmen (Handlungsvorschriften) eingeführt.

Abgerundet wird dieser Bereich durch eine Ringvorlesung Anwendungen der Data Science, in der Referenten aus der Praxis ihre Erfahrungen vorstellen.

Moderne und leistungsfähige Analyseverfahren bauen auf fortgeschrittenen Konzepten der Mathematik auf, welche in diesem Teil des Studiums gelehrt werden.

Die Analysis vermittelt die Methoden zur Untersuchung von Funktionen (u.a. Ableitung, Integrale) und zur Differentialrechnung, die für die Darstellung vieler realer Problemstellungen wichtig sind.

Mithilfe der Stochastik können statistische Verfahren zur Beschreibung und Auswertung mathematisch präzise modelliert werden und die Qualität der Ergebnisse bewertet werden.

Das Gebiet der Optimierung ermöglicht es, auch für komplexere (diskrete, nichtlineare) Problemstellungen Werte zu bestimmen, die zu den bestmöglichen Ergebnissen führen.

Ein Schwerpunkt der im Studium vorgestellten Analyseverfahren liegt im Bereich der künstlichen Intelligenz, insbesondere dem Maschinellen Lernen. Hier werden Modelle durch gegebene Beispiele oder durch Merkmale, die aus den Daten extrahiert wurden, trainiert. Ziel ist es, diese Informationen zu verallgemeinern und auf neue Eingaben zu transferieren. Im Studium werden hier sowohl die mathematischen Grundlagen als auch Verfahren für bestimmte Anwendungen betrachtet.

Ergänzend zu den Analyseverfahren steht das Data Engineering, das die Aufbereitung der Daten (Extraktion, Bereinigung, Integration), die Prozesse zur Datenverwaltung und die dazu notwendige Big-Data-Infrastruktur umfasst. Im Studium werden dazu Vorlesungen zu Datenbanksystemen (formale Grundlagen, Modellierung und Abfragen strukturierter Daten, Datenkonsistenz) und Data Engineering angeboten, die in einem Praktikum direkt angewendet werden können.

Der Wahlbereich bietet eine Reihe von Möglichkeiten, das Wissen und die Methoden gezielt in unterschiedliche Richtungen auszubauen, unter anderem in den formalen Grundlagen, weiteren Analyseverfahren, aber auch in Anwendungsgebieten.

Diese Wahlmöglichkeiten gibt es auch im Seminar und im Forschungsmodul, wo das eigenständige Aufbereiten von wissenschaftlichen Quellen bzw. das Umsetzen kleinerer Anteile an Forschungsprojekten eingeübt werden.

In der Bachelorarbeit können Studierende das im Studium erworbene Wissen und die erlernten Methoden selbständig auf konkrete Problemstellungen aus Praxis oder Forschung anwenden und die Ergebnisse vorstellen.

Die Digitalisierung erreicht alle Bereiche des täglichen Lebens, wodurch immer größere Mengen an komplexen Daten erzeugt werden. Absolventinnen und Absolventen der Studiengänge Data Science haben mit ihrem fundierten Wissen zur Analyse dieser Daten hervorragende Berufsaussichten, wie die unten aufgeführten Berufsfelder darlegen.

Die Data Science als moderne Querschnittswissenschaft unterstützt den Prozess der Digitalisierung und die effektive Auswertung von Daten in vielen Anwendungsbereichen:

• Datenanalyse / Big Data
• KI/Maschinelles Lernen
• Digitale Transformation im Bereich KMU/Industrie
• Prozessoptimierung, z.B. in der Logistik, im Onlinehandel oder der Energiebranche
• Systemanalyse/Consulting

Dank ihrer umfassenden Ausbildung in Informatik und Mathematik eröffnen sich den Absolventinnen und Absolventen ebenfalls Karrierechancen in beiden Bereichen. Insbesondere ist ein Übergang in einschlägige Masterstudiengänge (Master Mathematik und Master Informatik) möglich.