Bachelor Data Science

Ab WS 2020/21: Bachelor Data Science

Studienfachberatung Data Science

Dr. Daniel Tenbrinck
studienberatung-datascience@math.fau.de

Sprechzeiten nach Vereinbarung

 

Worum geht es im Studiengang “Data Science”?

Wir leben im Zeitalter der Digitalisierung mit all ihren Vorzügen aber auch eigenen Problemen. Wir verteidigen mit Herzblut unsere Meinung in sozialen Medien, bewerten die Urlaubsfotos unserer Mitmenschen, und konsumieren digitale Inhalte über den Streaming Dienst unseres Vertrauens. Hierbei hinterlassen wir einen deutlichen digitalen Fußabdruck in Form von Daten. Man schätzt, dass die gesamte Menschheit aktuell eine Datenmenge von mehreren Zettabyte (das ist eine Eins mit 21 Nullen!) pro Jahr generiert. Nicht jedes Bit und jeder Klick sind relevant, doch lassen sich basierend auf der gesammelten Menge unserer persönlichen Daten technologische Wunder vollbringen, die aber gleichzeitig auch Fragen aufwerfen:

  • Woher weiß Google, was ich gleich suchen möchte?
  • Warum landen in meinem Amazon Warenkorb immer mehr Artikel als ich ursprünglich kaufen wollte?
  • Wie kann Spotify meinen Musikgeschmack so gut abschätzen?
  • Warum verbreiten sich Fake News häufig schneller als die Wahrheit?
  • Wie kann man mit Deep Learning einem Computer beibringen den Weltmeister in Go zu schlagen?

Vor einigen Jahren war “Big Data” noch in aller Munde. Der Wert von Daten wurde mit dem von Gold aufgewogen und der anfängliche Hype löste eine wahre Goldschürfer-Stimmung in der Technologiebranche aus.

Heutzutage geht es gar nicht mehr darum möglichst viele Daten zu sammeln, sondern vielmehr darum diese Daten auf geschickte Weite zu analysieren und die richtigen Schlüsse daraus zu ziehen. Aus “Big Data” wurde schnell der Begriff “Smart Data”. Und genau hier setzt der neu gegründete Studiengang “Data Science” an der FAU an:
Er stellt eine Schlüsseldisziplin für das digitale Zeitalter an der Schnittstelle zwischen Mathematik und Informatik und weiteren Fachgebieten wie den Natur-, Ingenieur-, Wirtschafts-, und Informationswissenschaften dar. Das Ziel dieses Bachelorstudiengangs ist eine solide Grundlagen- und Aufbauausbildung sowohl in der Mathematik als auch in der Informatik mit starkem Fokus auf die Anforderungen zukünftiger Data Scientists. Zusätzlich wird ein Anwendungsfach belegt, in dem man sein erworbenes Wissen unter Beweis stellen kann, wie z.B. Physik, Wirtschaftsinformatik, Biologie oder Medizintechnik.

Während deines Studiums lernst du:

  • wie man strukturierte und unstrukturierte Datenquellen kategorisiert und abstrahiert.
  • welche mathematischen Methoden zur Modellierung und Analyse von Daten eingesetzt werden können.
  • wie sich aus Daten Vorhersagen für die Zukunft berechnen lassen.
  • welche Konsequenzen sich daraus für die Entscheidungsfindung ergeben
  • wie man große Datenmengen effizient speichert und verwaltet.
  • wie Daten für das Training von künstlicher Intelligenz genutzt werden können.

Die Regelstudienzeit für den Bachelorstudiengang beträgt sechs Semester, wobei ein Semester im zweiten oder dritten Studienjahr speziell für die Möglichkeit eines Auslandssemesters vorgesehen ist, wie z.B. ein ERASMUS Semester an einer anderen europäischen Universität.

Was kann ich anschließend damit machen…?

Mit einem Bachelorabschluss als Data Scientist eröffnen sich dir viele spannende Arbeitsfelder in denen du dein Wissen gewinnbringend einbringen kannst. Hier sind einige beispielhafte Wirtschaftszweige mit potentiellen Arbeitgebern aufgelistet:

  • Technologiebranche (z.B. Google, Facebook, Microsoft, IBM, SAP, Siemens, etc.)
  • Beratungsbranche (z.B. McKinsey, Ernst & Young, Deloitte, etc.)
  • Biomedizinische Forschungsunternehmen (z.B. AstraZeneca, Roche, Novartis, Bayer, etc.)
  • Logistikbranche (Deutsche Post, UPS, DB Mobility Logistics, etc.)
  • Energiebranche (E.ON, RWE, EDF, etc.)
  • Finanz- und Versicherungsbranche (Deutsche Bank, Allianz, Münchener Rück, etc.)

Durch die hohe Nachfrage an Absolvierenden im Bereich “Data Science” – es fehlen geschätzt über 100.000 Experten für Data Science alleine in Deutschland – können Berufsanfänger mit einem hohen Einstiegsgehalt rechnen.
Natürlich muss mit einem Bachelorabschluss noch nicht Schluss sein mit dem Lernen. Du kannst anschließend den Master-Studiengang Data Science oder andere Mathematik- und Informatiknahe Master-Studiengänge an der FAU Erlangen-Nürnberg belegen.
Anschließend kannst du dein Verständnis von Datenmodellierung und -analyse im Rahmen einer Promotion weiter vertiefen und damit sogar den aktuellen Stand der Forschung vorantreiben, welche den Umgang mit der Ressource “Daten” für die kommenden Jahrzehnte entscheidend mitprägen wird.

Passt der Studiengang “Data Science” zu mir?

Falls du noch an der Wahl des Studiengangs “Data Science” zweifelst, lies dir die folgenden Aussagen durch und überlege, ob sie auf dich zutreffen.

  • Als Digital Native liegt dir das Thema “Digitalisierung” am Herzen und du hast Interesse an aktueller, Daten getriebener Technik.
  • Du fühlst dich motiviert durch viele unterschiedliche Herausforderungen.
  • Mathematik macht dir keine Angst, sondern bereitet dir Freude. Du magst es präzise zu arbeiten, Ideen zu formalisieren und belastbare Ergebnisse zu produzieren.
  • Die Fähigkeit komplexe Zusammenhänge zu verstehen und auf das Wesentliche zu abstrahieren gehört neben einem unstillbaren Wissensdurst zu einer deiner Kernkompetenzen.
  • Du hast ein starkes Interesse daran zu verstehen, wie sich menschliches Verhalten in Form von mathematischen Modellen erfassen und sogar vorhersagen lässt.
  • Du wolltest schon immer mal richtig Programmieren lernen.
  • Dich interessiert wie die zu Grunde liegenden mathematischen und informatischen Verfahren funktionieren.

Wenn diese Punkte zu dir passen, triffst du mit dem Studiengang “Data Science” garantiert die richtige Wahl.

Warum sollte ich “Data Science“ gerade an der FAU studieren?

Die FAU Erlangen-Nürnberg bietet einzigartige Voraussetzungen für den Studiengang “Data Science”. Durch die starke inhaltliche Vernetzung der Departments Mathematik und Informatik und die räumliche Entfernung von gerade mal zwei Gehminuten ist ein großes Angebot an informatisch-mathematischen Themen vorhanden, die beide zentral im Studiengang gelehrt werden. Durch die große Fächervielfalt der FAU kannst du aus vielen verschiedenen Fachbereichen dein Anwendungsfach wählen. Dies hilft dir deine ganz individuelle Spezialisierung im Studium zu finden, die dich besonders interessiert und dir Spaß macht.
Außerdem schafft die Metropolregion Nürnberg durch ihr industrielles Umfeld ideale Bedingungen für ein nachhaltiges und anwendungsorientiertes Studium. Und vielleicht lernst du im Studium bereits deinen zukünftigen Arbeitgeber kennen, wie zum Beispiel Siemens, Schaeffler oder adidas.

Gibt es Stolpersteine, die ich beachten sollte?

Der an der FAU angebotene mathematisch-informatische Studiengang unterscheidet sich von der bereits bekannten Schulmathematik. Manchen Studierenden fällt es gerade in den ersten beiden Semestern schwer diesen Übergang problemlos zu schaffen. Die Orientierungswoche, die vor dem ersten Semester angeboten wird, hilft dir dabei dich zurechtzufinden und erste Kontakte zu deinen Mitstudierenden zu knüpfen.
Viele Wahlmöglichkeiten im Studiengang Data Science haben typischerweise eine angewandte Ausrichtung und setzen ein Interesse an angewandten Fragestellungen voraus. Speziell angebotene Programmierkurse bereiten dich hinreichend auf die Anforderungen vor.

Allgemeine Informationen
Abschluss B. Sc.
Studienart 1-Fach-Bachelor
Standort Erlangen
Regelstudienzeit 6 Semester
Studienbeginn Wintersemester
Sprache Deutsch
Zugang zulassungsfrei
Größe / Studierendenanzahl (numerisch) 50
Frühstudium noch nicht bekannt
Link zum IBZ-Infoblatt IBZ-Infoblatt
Link zur FSI https://mp.fsi.fau.de/
Weitere Links und Infomaterial

 

Studienfachanteile (in Prozent)

Geo Gesellschaft 5 Kultur
Politik Sprache Wirtschaft 5
Biologie Chemie Computer & Informatik 30
Geschichte Kunst Mathe 35
Medien 5 Medizin Pädagogik
Philosophie Physik Psychologie
Recht Religion Sport
Technik 10 Naturwissenschaften 10

 

Studienverlaufsplan
Eine Übersicht zur Struktur des Studiengangs finden Sie im Folgenden.

Übersicht zur Studiengangsstruktur im B.Sc. Data Science

Im Folgenden sind zwei beispielhafte Studienverlaufspläne zur Orientierung gegeben.

Beispielvariante I Beispielvariante II
1. Semester Grundlagenmodul: Mathematik für Data Science 1 (Vorlesung, 10 ECTS)

Grundlagenmodul: Algorithmen und Datenstrukturen für MT (Vorlesung, 10 ECTS)

Kernmodul: Data Science in Forschung und Industrie (Seminar, 5 ECTS)

Schlüsselqualifikation: Kryptographie I (Vorlesung, 5 ECTS) (insgesamt 30 ECTS)

 Grundlagenmodul: Mathematik für Data Science 1 (Vorlesung, 10 ECTS)

Grundlagenmodul: Algorithmen und Datenstrukturen für MT (Vorlesung, 10 ECTS)

Kernmodul: Data Science in Forschung und Industrie (Seminar, 5 ECTS)

Schlüsselqualifikation: Computerorientierte Mathematik I (Vorlesung, 5 ECTS) (insgesamt 30 ECTS)
2. Semester Grundlagenmodul: Mathematik für Data Science 2 (Vorlesung, 10 ECTS)

Grundlagenmodul: Einführung in Datenbanken (Vorlesung, 7,5 ECTS)

Grundlagenmodul: Parallele und funktionale Programmierung (Vorlesung, 5 ECTS)

Kernmodul: Einführung in die mathematische Datenanalyse (Vorlesung, 5 ECTS)

Schlüsselqualifikation: Nailing your Thesis (Vorlesung, 5 ECTS)(insgesamt 32,5 ECTS)

 Grundlagenmodul: Mathematik für Data Science 2 (Vorlesung, 10 ECTS)

Grundlagenmodul: Einführung in Datenbanken (Vorlesung, 7,5 ECTS)

Grundlagenmodul: Parallele und funktionale Programmierung (Vorlesung, 5 ECTS)

Kernmodul: Einführung in die mathematische Datenanalyse (Vorlesung, 5 ECTS)

Kernmodul: Machine Learning for Engineers (Vorlesung, 5 ECTS)(insgesamt 32,5 ECTS)
3. Semester Kernmodul: Introduction to Machine Learning (Vorlesung, 5 ECTS)

Aufbaumodul: Einführung in die Numerik (Vorlesung, 10 ECTS)

Aufbaumodul: Grundlagen der Logik in der Informatik (Vorlesung, 5 ECTS)

Wahlpflichtmodul Informatik: Berechenbarkeit und formale Sprachen (Vorlesung, 7,5 ECTS)
Schlüsselqualifikation: Implementierung von Datenbanksystemen (Vorlesung, 5 ECTS)(insgesamt 32,5 ECTS)

 Aufbaumodul: Lineare und kombinatorische Optimierung (Vorlesung, 10 ECTS)

Aufbaumodul: Informationsvisualisierung (Vorlesung, 5 ECTS)

Wahlpflichtmodul Informatik: Berechenbarkeit und formale Sprachen (Vorlesung, 7,5 ECTS)Schlüsselqualifikation: Tutoren (Seminar/Tutorentätigkeit, 5 ECTS)

(insgesamt 27,5 ECTS)
4. Semester Aufbaumodul: Stochastische Modellbildung (Vorlesung, 10 ECTS)

Aufbaumodul: Knowledge Discovery in Databases (Vorlesung, 5 ECTS)

Wahlpflichtmodul Mathematik: Diskretisierung und numerische Optimierung (Vorlesung, 5 ECTS)

Wahlpflichtmodul Mathematik: Lineare und Nichtlineare Systeme (Vorlesung, 10 ECTS)

(insgesamt 30 ECTS)

 Aufbaumodul: Stochastische Modellbildung (Vorlesung, 10 ECTS)

Aufbaumodul: Knowledge Discovery in Databases (Vorlesung, 5 ECTS)

Wahlpflichtmodul Informatik: Algorithmik kontinuierlicher Systeme (Vorlesung, 7,5 ECTS)

Wahlpflichtmodul Mathematik: Introduction to Statistics and Statistical Programming (Vorlesung, 5 ECTS)

Schlüsselqualifikation: Projektseminar Optimierung (Seminar, 5 ECTS)

(insgesamt 32,5 ECTS)
5. Semester Kernmodul: Projekt Data Science – Mathematische Modellierung Praxis (Praktikum, 5 ECTS)

Gewählte Vertiefungsrichtung DO: Nichtlineare Optimierung (Vorlesung, 10 ECTS)

Nichtgewählte Vertiefungsrichtung SN: Modellierung, Optimierung und Simulation von Energiesystemen (Vorlesung, 5 ECTS)

Nichtgewählte Vertiefungsrichtung AI: Pattern Recognition (Vorlesung, 5 ECTS)

Anwendungsfach Physik: Astronomie (Vorlesung, 3 ECTS)(insgesamt 28 ECTS)

 Kernmodul: Projekt Data Science – Advanced Design and Programming (Vorlesung, 5 ECTS)

Gewählte Vertiefungsrichtung AI: Künstliche Intelligenz I (Vorlesung, 7,5 ECTS)

Nichtgewählte Vertiefungsrichtung DW: Datenbanken in Rechnernetzen und Transaktionssystemen (Vorlesung, 5 ECTS)

Nichtgewählte Vertiefungsrichtung MSD: Risk Data Analytics and Machine Learning (Vorlesung, 5 ECTS)

Anwendungsfach Medical Data Science: Biostatistik (Vorlesung, 5 ECTS)(insgesamt 27,5 ECTS)
6. Semester Vertiefungsrichtung DO: Robuste Optimierung (Vorlesung, 5 ECTS)

Vertiefungsrichtung DO: Numerical Aspects of Linear and Integer Programming (Vorlesung, 5 ECTS)

Anwendungsfach Physik: Astronomie (Vorlesung, 7 ECTS)

Bachelorseminar (Seminar, 5 ECTS)

Bachelorarbeit (Abschlussarbeit, 10 ECTS)(insgesamt 32 ECTS)

 Gewählte Vertiefungsrichtung AI: Künstliche Intelligenz II (Vorlesung, 7,5 ECTS)

Nichtgewählte Vertiefungsrichtung DO: Robuste Optimierung (Vorlesung, 5 ECTS)

Anwendungsfach Medical Data Science: Grundlagen der Bioinformatik (Vorlesung, 5 ECTS)

Bachelorseminar (Seminar, 5 ECTS)

Bachelorarbeit (Abschlussarbeit, 10 ECTS)(insgesamt 32,5 ECTS)

 

Prüfungsordnung

Die Fachstudien- und Prüfungsordnung für den Bachelor- und Masterstudiengang Data Science kann hier eingesehen werden.