BSc Data Science

Überblick

Statistik, Datenmodellierung und Entscheidungsunterstützung in datenintensiven Organisationen. Das Studium verbindet wissenschaftliche Grundlagen mit projektbasierter Ingenieurpraxis und wird in strukturierten Semestern mit betreuten Lehrveranstaltungen durchgeführt.

Curriculum

Illustratives Curriculum. Die offiziell genehmigte Modulübersicht wird veröffentlicht, sobald die Programmdokumentation vorliegt.

1. Semester 1

   • Analysis I
   • Programmierung I (Python)
   • Lineare Algebra
   • Statistik und Wahrscheinlichkeit
   • Wissenschaftliches Arbeiten

2. Semester 2

   • Analysis II
   • Algorithmen und Datenstrukturen
   • Datenbanksysteme
   • Data Mining
   • Technikethik und Verantwortung

3. Semester 3

   • Optimierung
   • Maschinelles Lernen
   • Data Engineering und Pipelines
   • Datenvisualisierung
   • Grundlagenpraktikum

4. Semester 4

   • Deep Learning
   • Big-Data-Architekturen
   • Zeitreihenanalyse
   • Bayessche Statistik
   • Interdisziplinäres Teamprojekt

5. Semester 5

   • Sprachverarbeitung
   • Bildverarbeitung und Computer Vision
   • MLOps und Modellbetrieb
   • Cloud-Computing
   • Capstone-Projekt

6. Semester 6

   • Praxissemester / Industriepraktikum
   • Wahlpflichtmodule
   • Bachelorarbeit und Kolloquium

Lernergebnisse

• Wissenschaftliche Methoden auf technische Fragestellungen anwenden
• Komplexe Systeme entwerfen, modellieren und bewerten
• Ergebnisse fachlich und international verständlich kommunizieren
• Technologische Entwicklungen ethisch und rechtlich einordnen

Zulassungsvoraussetzungen

• Anerkannter Sekundarschulabschluss oder gleichwertige Qualifikation — Hochschulzugangsberechtigung mit Mathematik und einer Naturwissenschaft (Gesamtnote 2,5 oder besser)
• Nachweis der Unterrichtssprache — Englisch C1 (IELTS 7.0 / TOEFL iBT 95) oder Deutsch C1 (TestDaF 4x4 / DSH-2) je nach Unterrichtssprache
• Vollständige Bewerbungsunterlagen — Zeugnisse, Sprachnachweis, Lebenslauf und Ausweisdokument

Berufsperspektiven

• Entwicklung und Konstruktion in technologieorientierten Unternehmen
• Forschung und Entwicklung in Instituten und Industrie
• Projekt- und Systemverantwortung in interdisziplinären Teams
• Weiterführendes Master- oder Promotionsstudium