Masterstudiengang Data Science

Masterstudiengang Data ScienceAuftaktveranstaltung

Oliver Ernst

TU Chemnitz, Professur Numerische Mathematik

24. Mai 2018

Programm

GrußwortProf. Dr Maximilian Eibl, TUC, Prorektor fur Lehre und Internationales

Big Data und HPC: Wohin geht es in der Informatik?Prof. Dr. Wolgfang Nagel, TU Dresden

Direktor, Zentrum fur Informationsdienste und Hochleistungsrechnen (ZIH)

Real-Time Analytics im Bereich IoTDr. Michael Thess, prudsys AG, Signal Cruncher GmbH

Data Science bei IntentaSusann Mach, Intenta GmbH

Anwendungen von Deep LearningDr. Julien Vitay, TUC, Fakultat fur Informatik

Vorstellung des Masterstudiengangs Data ScienceProf. Dr. Oliver Ernst, TUC, Fakultat fur Mathematik

Vorstellung des Masterstudiengangs Data ScienceEckdaten

I Erstmalige Immatrikulation im Wintersemester 2018/19I 4-semestriger Studiengang mit Abschluss M.Sc. Data ScienceI Deutschsprachiger Studiengang, d.h. auslandische Studienbewerber mussen

Deutschkenntnisse nachweisen.Alternative: Advanced and Computational Mathematics, International Master’s &Ph.D. Program

I Mathematischer Schwerpunkt, aber auch offen fur Bewerber mitberufsqualifizierendem Hochschulabschluss anderer Fachrichtungen,insbesondere Informatik, Elektrotechnik und Physik.

I Starke praktische Komponente: programmiertechnische Ausbildung,Anwendungsfelder (derzeit) Informatik, Elektrotechnik, Wirtschaftwissenschaften.

Vorstellung des Masterstudiengangs Data ScienceAufbau des Studiums

Es mussen Module in funf Bereichen absolviert werden:

(1) Basismodule Pflicht (21 LP)(2) Basismodule Wahlpflicht (≥ 18 LP)(3) Module zur Grundlagenvertiefung (≥ 12 LP)(4) Module zu den Anwendungfsfeldern (≥ 15 LP)(5) Master-Arbeit (30 LP)

Insgesamt sind 120 LP zu erwerben, somit 24 LP aus Modulbereich eigener Wahl.

Vorstellung des Masterstudiengangs Data ScienceBasismodule

I PflichtI Einfuhrung in Data Science (8 LP)I Modellierungsseminar (8 LP)I Maschinelles Lernen (5 LP)

I WahlpflichtI Mathematische Grundlagen von Big Data Analytics (6 LP)I Matrix-Methoden in Data Science (8 LP)I Statistik in Data Science (6 LP)I Optimierung im Maschinellen Lernen (6 LP)

Vorstellung des Masterstudiengangs Data ScienceModule zur Grundlagenvertiefung

I Grundlagen der Optimierung (8 LP)I Numerische Mathematik (8 LP)I Stochastik (8 LP)I Gewohnliche Differentialgleichungen (6 LP)I Mathematische Statistik (6 LP)I Angewandte Statistik (6 LP)I Computer-orientierte Mathematik (6 LP)I Diskrete Optimierung (6 LP)I Einfuhrung in die Diskrete Mathematik (8 LP)I Graphentheorie (8 LP)I Hilbertraummethoden (6 LP)I Inverse Probleme (6 LP)I Numerische Optimierung (6 LP)I Numerik gewohnlicher Differentialgleichungen (8 LP)I Numerik partieller Differentialgleichungen (8 LP)I Numerische Lineare Algebra (8 LP)I Stochastische Prozesse (8 LP)I Zeitreihenanalyse (4 LP)I Mathematische Methoden der Quantifizierung von Unsicherheit (8 LP)I Forschungsmodule unterschiedlichen Umfangs (4–8 LP)

Vorstellung des Masterstudiengangs Data ScienceModule zu Anwendungsfeldern

I Fakultat fur InformatikI Datenbanken Grundlagen (5 LP)I Bildverstehen (5 LP)I Cloud & Web-Anwendungen (5 LP)I Datensicherheit (5 LP)I XML (5 LP)I Multicore-Programmierung (5 LP)I Neurokognition I (5 LP)I Neurokognition II (5 LP)

I Fakultat fur Elektrotechnik und InformationstechnikI Sensorsignalverarbeitung (5 LP)I Systemtheorie (5 LP)I Regelungstechnik 1B (6 LP)I Regelungstechnik 2B (5 LP)I Modellbildung und Identifikation dynamischer Systeme 1B (5 LP)I Modellbildung und Identifikation dynamischer Systeme 2B (5 LP)

I Fakultat fur WirtschaftswissenschaftenI Data Mining (5 LP)I E-Business (5 LP)I Big Data Management/Database Marketing (5 LP)

Vorstellung des Masterstudiengangs Data ScienceMaster-Arbeit

I Kann grundsatzlich durch Professoren der Fakultaten Mathematik oderInformatik betreut werden

I Ko-Betreuung durch Professoren anderer Fakultaten moglichI Insbesondere Ko-Betreuung/Themenstellung durch Unternehmen

erwunscht.

Kooperation mit Unternehmen

I Kontakt zu Unternehmen soll aktiv gepflegt werden.I Kontaktanbahnung zwischen Studierenden und Unternehmen wah-

end des Studiums (Praktika, Modellierungsseminar, Master-Arbeit)I Gastvorlesungen, Gastvortrage, BetriebsfuhrungenI Industrial Affiliates Program

I Kreis dem Studiengang besonders verbundener UnternehmenI Sichert den Blick auf die Praxis fur Studierende und LehrendeI Beratung zu Inhalten und Schwerpunkten des StudiumsI Wissenschaftliche Kooperation

(gemeinsame Forschungsantrage, Industrieauftrage)I Jahrliche Veranstaltung zur Prasentation von ErgebnissenI Unterstutzung durch

Deutschlandstipendien,Forderung von Anschaffungen,etc.

I Bei Interesse bitte melden

Ausklang

Vielen Dank fur Ihr Interesse!

Ausklang in der ”Bar Ausgleich“(im Mensagebaude schrag gegenuber)