Zum Hauptinhalt springen

Informationstechnik & System-Management (Vollzeit)

Data Science & Analytics

Masterspezialisierung

 

Gefragte Schlüsselkompetenzen im Informationszeitalter

Künstliche Intelligenz, Machine Learning und Big Data: Diese Begriffe stehen für Technologien, die unsere Gesellschaft und Wirtschaft derzeit radikal verändern und uns sogar herausfordern, unser Bild von uns selbst zu überdenken [1]. An der Schnittstelle von Computerwissenschaften, Scientific Computing, Mathematik und Statistik entstehen Algorithmen, die GO und Schachtuniere gewinnen, Autos steuern, medizinische Diagnosen unterstützen, Wartungsarbeiten planen, maßgeschneiderte Kaufempfehlungen geben, Bilder interpretieren, Unternehmensdaten analysieren und sich mit uns unterhalten. Sie machen das so gut, dass sie uns nicht nur übertreffen, sondern auch imitieren können – etwa indem sie Fake News erstellen.

Die hohe Attraktivität der Technologie trifft zunehmend auf enorme und verfügbare Datenmengen – Stichwort „Digitale Transformation“ – und skalierbare Rechenleistungen, die in Clouds abgerufen werden können. Data Science wird damit zum unverzichtbaren Business Enabler und Data Scientists stehen folglich ganz oben auf der Liste der attraktiven Stellenangebote. Es ist unverändert einer der "Sexiest Job of the 21st Century" [2].

 

Minor und Major Varianten, Wahlfächer

MINOR: DATA SCIENCE & ANALYTICS

Sie verfügen über die Fähigkeit, Daten zu verstehen (Data Literacy) und in automatisierten Systemen zur Gewinnung von Informationen einzusetzen. Sie setzen dazu Methoden des klassischen Machine Learning ein und sind in der Lage, unterschiedliche Arten von Daten (Messungen, Bilder, Sprache, …) zu prozessieren.

  • Data Science: Einführung in die Thematik, Daten, Modelle und Algorithmen, Design Cycle, Supervised Machine Learning, Beispiele aus Anwendungen, speziell aus den Bereichen Bild- und Sprachverarbeitung.
  • Analytics & Knowledge Discovery: Data Literacy und Explorative Datenanalyse, Visualisierung und Kodierung von Daten, Dimensionsreduktion, Clustering und strukturentdeckende Verfahren.
  • Machine Learning: Auswahl, Implementierung, Training und Validierung von Maschine Learning Technologien unter ausgewählten Frameworks. Professionelle Anwendungen.
  • Robust & Explainable AI: Erstellung robuster Systeme der künstlichen Intelligenz, deren Vorhersagen und Entscheidungen nachvollziehbar und oder fair sind. Entscheidungsbäume.

     

    MAJOR: NEW TECHNOLOGIES FOR APPLIED ARTIFICIAL INTELLIGENCE

    Sie entwickeln innovative Anwendungen mithilfe von Deep Learning Technologien und optimieren deren praktische Einsetzbarkeit durch neue Lernparadigmen und Methodiken zur effektiven Verarbeitung von Daten aus der realen Welt, wo beispielsweise häufig eine geringe Datenmenge vorliegt. Sie kennen aktuelle internationale Entwicklungen auf dem Gebiet der Data Science und sind mit Hinblick auf ihre Masterarbeit mit Forschungsprojekten und Kooperationspartnern des Fachbereichs vernetzt.

    • Deep Learning: Deep Learning Paradigmen, Convolutional Neural Networks, Generative Adversarial Networks, Bildklassifikation und -segmentierung. Transfer Learning, Semi Supervised Learning, Software Bibliotheken und skalierbare Prozessketten.

    Wahlfach: sie wählen im 3. Semester zwischen

    1. Natural Language Processing (NLP): NLP befasst sich mit der automatischen Verarbeitung von Texten. Dazu zählen die Sentimentanalyse und Themenmodellierung in sozialen Netzwerken, die maschinelle Übersetzung oder Textzusammenfassung und die Konstruktion von Chatbots zur Fragenbeantwortung. Neben grundlegenden Methoden zur Vorverarbeitung und Normalisierung von Texten beschäftigen Sie sich mit speziellen Methoden des Deep Learning im NLP wie sequentiellen (LSTMs) oder Transformer-Modellen.
    1. Reinforcement Learning (RL): RL ist ein Teilgebiet des maschinellem Lernen, das ähnlich dem menschlichen Lernprozess, Systeme für Interaktionen trainiert. Mithilfe RL werden Fahrzeuge autonom gesteuert, die besten Videospieler der Welt geschlagen und maschinelle Anlagen gesteuert. Im Kurs Reinformcment Learning werden diese Lerntechniken in verschiedenen Domänen behandelt und in der Praxis an interessanten Beispielen angewandt.

    Zu beiden Wahlfächern wird im 3. Semester ein freiwilliges LAB (2 ECTS zusätzlich) angeboten. Dieses kann auf die LVA im 4. Semester angerechnet werden.

    Current Trends in AI: Gemeinsam besprechen wir aktuelle Publikationen, machen uns mit Forschungsprojekten und Firmenkooperationen vertraut und laden GastprofessorInnen ein. Wir diskutieren Auswirkungen der Technologie auf die Gesellschaft und reflektieren ethische und soziale Implikationen. Fallweise werden Speziallabs zu neuen Technologien angeboten.

    [1] 21 Lektionen für das 21. Jahrhundert, Yuval Noah Harari, C.H.Beck, 10. Auflage 2019.

    [2] Data Scientist: The Sexiest Job of the 21st Century, Thomas H. Davenport, D.J. Patil, Havard Business Review, Oct. 2012