Studiengänge

Informationen zum Studiengang Data Science (Master of Science)

Abschluss: Master of Science
Studiendauer: 4 Semester
Beginn: Wintersemester und Sommersemester
Zugangsvoraussetzungen:

Für die Bewerbung ist die fachspezifische Zugangsvoraussetzung nachzuweisen. Diese sind gemäß §2 der Studienordnung „ein erster berufsqualifizierender Hochschulabschluss im Fach Informatik, Wirtschaftsinformatik oder Data Science oder ein erster berufsqualifizierender Hochschulabschluss und folgende Kenntnisse:

  • Kenntnisse in Mathematik/theoretischer Informatik im Umfang von mindestens 20 LP, darunter äquivalente Kenntnisse zum Modul 10-201-1802 Wahrscheinlichkeitstheorie, sowie
  • Kenntnisse in Grundlagen der Informatik und Programmierung im Umfang von mindestens 40 LP, darunter äquivalente Kenntnisse zu folgenden Modulen des Bachelorstudienganges Informatik an der Universität Leipzig

    • 10-201-2005-1 Modellierung und Programmierung 1,
    • 10-201-2005-2 Modellierung und Programmierung 2,
    • 10-201-2001-1 Algorithmen und Datenstrukturen 1,
    • 10-201-2011 Praktikum Objektorientierte Programmierung,
    • 10-201-2001-2 Algorithmen und Datenstrukturen 2 und
    • 10-201-2211 Datenbanksysteme 1

Weiterhin sind Kenntnisse der englischen Sprache auf dem Niveau B2 des Gemeinsamen Europäischen Referenzrahmens für Sprachen (oder Äquivalent) nachzuweisen. 

Das Vorliegen der in §2 (2) der Studienordnung genannten Voraussetzungen wird durch die Fakultät überprüft, die hierüber einen Bescheid erlässt. Dieser dient zum Nachweis der entsprechenden Zugangsvoraussetzungen. Dazu sind folgende Nachweise per Mail an Herrn Martin Franke (zulassung.ds(at)informatik.uni-leipzig.de) zu senden:

 

  • Nachweis über alle absolvierten Module im Umfang von min. 120 LP
  • Gegebenenfalls:
    • vorhandene Nachweise über eine studiengangspezifische Berufsausbildung, freiwillige Praktika oder ähnliche Aktivitäten
    • Tabellarischer Lebenslauf
allgemeines Studienziel: Der forschungsorientierte Masterstudiengang Data Science baut auf einem Bachelorstudiengang (Informatik und angrenzende Gebiete) auf. Der Studiengang zielt auf eine wissenschaftlich fundierte, anwendungsorientierte Ausbildung in den wesentlichen Data-Science-Gebieten des skalierbaren Datenmanagements und der Datenanalyse (Data Mining, maschinelles Lernen) ab. Daneben befähigt der Studiengang zur eigenständigen grundlagen- oder anwendungsorientierten Forschung.

 

Studierende erwerben grundlegende und fortgeschrittene Konzepte und Methoden des Lerngebiets Data Science und seiner wesentlichen Teilgebiete des skalierbaren Datenmanagements und der Datenanalyse, erproben diese praktisch und wenden sie umfassend an. Damit beherrschen die Absolventinnen und Absolventen die Verfahren zur Datensammlung, Datenaufbereitung und -integration, Datenanalyse und -präsentation (Visualisierung) bis hin zur Ableitung von Handlungsempfehlungen und können diese in verschiedenen Anwendungsfeldern sowohl einsetzen, als auch kritisch reflektieren. Sie besitzen zudem auf einem oder mehreren selbstgewählten Teilgebieten ein umfassendes Verständnis, das dem aktuellen Stand der Wissenschaft entspricht und sie zur Problemlösung insbesondere auch in neuen oder bisher nicht thematisierten Fachfragen befähigt. Darüber hinaus sind sie in der Lage, ihre wissenschaftlichen Arbeiten und Standpunkte innerhalb und außerhalb ihres Fachgebiets verständlich zu kommunizieren.

weitere Informationen: Nähere Informationen zum genauen Ablauf des Studiums und zu den Inhalten der Pflichtmodule werden zeitnah ergänzt.

 

Sollten Sie weitere Fragen haben, wenden Sie sich bitte an unsere Mitarbeiterin Frau Güttler.

Studienverlaufsplan:          

Auf detailliertere Erläuterungen wird an dieser Stelle aus Gründen der besseren Lesbarkeit verzichtet.

 

 Sem.

 

5 LP

 

5 LP

10 LP

5 LP

5 LP

1.

Skalierbare Datenbanktechnologien 1
(10-INF-DS01)

Datenanalyse

Ergänzung

Ergänzung

2.

Skalierbares Datenmanagement

Skalierbares Datenmanagement

Datenanalyse

Ergänzung

Anwendung/Ergänzung

3.

Vertiefung

Vertiefung

Anwendung/Ergänzung

4.

Masterseminar
(10-INF-DS02)

Masterarbeit

 

a)    Data Science M.Sc., Beginn Wintersemester, ohne Schwerpunkt

 Sem.

 

5 LP

 

5 LP

10 LP

5 LP

5 LP

1.

Skalierbare Datenbanktechnologien 1
(10-INF-DS01)

Künstliche neuronale Netze und maschinelles Lernen
(10-202-2133)

Advanced Statistics
(07-202-1103A)

Grundlagen der
IT-Sicherheit
(10-201-2503)

2.

Skalierbares Datenbanktechnologien 2
(10-INF-DS101)

Big Data Praktikum
(10-INF-DS102)

Multivariate Statistik und
Data Mining
(07-202-2302)

Grundlagen Komplexer Systeme
(10-202-2218S/V)

Aktuelle Trends in
Data Science
(10-INF-DS301)

3.

Fortgeschrittene Methoden des
Information Retrieval
(10-202-2314)

Wissenschaftliche Visualisierung
(10-202-2201)

Sequenzanalyse und Genomik
(10-202-2207)

4.

Masterseminar
(10-INF-DS02)

Masterarbeit

Tabelle 1: Beispielhafter Studienablauf Master of Science Data Science für Studierende mit Beginn im Wintersemester ohne Schwerpunktsetzung.

 

b)    Data Science M.Sc., Beginn Sommersemester, ohne Schwerpunkt

 Sem.

 

5 LP

 

5 LP

10 LP

5 LP

5 LP

1.

Skalierbares Datenbanktechnologien 2
(10-INF-DS101)

Grundlagen der IT-Sicherheit
(10-201-2503)

Multivariate Statistik und
Data Mining
(07-202-2302)

Textdatenbanken
(10-202-2322)

Aktuelle Trends in
Data Science
(10-INF-DS301)

2.

Skalierbare Datenbanktechnologien 1
(10-INF-DS01)

Künstliche neuronale Netze und maschinelles Lernen
(10-202-2133)

Fortgeschrittene Methoden des 
Information Retrieval
(10-202-2314)

3.

Big Data
Praktikum
(10-INF-DS102)

Grundlagen Komplexer Systeme
(10-202-2218S/V)

Mathematische Statistik
(10-MAT-DSSTAT)

Neuroinspirierte
Informationsverarbeitung
(10-202-2104)

4.

Masterseminar
(10-INF-DS02)

Masterarbeit

Tabelle 2: Beispielhafter Studienablauf Master of Science Data Science für Studierende mit Beginn im Sommersemester ohne Schwerpunktsetzung.

 

c)    Data Science M.Sc. mit Schwerpunkt "Skalierbares Datenmanagement"

 Sem.

 

5 LP

 

5 LP

10 LP

5 LP

5 LP

1.

Skalierbare Datenbanktechnologien 1
(10-INF-DS01)

Künstliche neuronale Netze und maschinelles Lernen
(10-202-2133)

Grundlagen der
IT-Sicherheit
(10-201-2503)

Praktikum Data Warehousing/
Data Mining
(10-INF-DS103)

2.

Skalierbares Datenbanktechnologien 2
(10-INF-DS101)

Big Data Praktikum
(10-INF-DS102)

Multivariate Statistik und
Data Mining
(07-202-2302)

Textdatenbanken
(10-202-2322)

Aktuelle Trends in
Data Science
(10-INF-DS301)

3.

Fortgeschrittene Methoden des
Information Retrieval
(10-202-2314)

Wissens- und Content Management
(10-202-2323)

Verfahren und Anwendungen in den
Digital Humanities
(10-DIH-0001)

4.

Masterseminar
(10-INF-DS02)

Masterarbeit

Tabelle 3: Beispielhafter Studienablauf Master of Science Data Science für Studierende mit dem Schwerpunkt „Skalierbares Datenmanagement“.

 

d)    Data Science M.Sc. mit Schwerpunkt „Datenanalyse“

 Sem.

 

5 LP

 

5 LP

10 LP

5 LP

5 LP

1.

Skalierbare Datenbanktechnologien 1
(10-INF-DS01)

Statistisches Lernen
(10-INF-BI01)

Sequenzanalyse und Genomik
(10-202-2207)

2.

Skalierbares Datenbanktechnologien 2
(10-INF-DS101)

Big Data Praktikum
(10-INF-DS102)

Multivariate Statistik und
Data Mining
(07-202-2302)

Grundlagen komplexer Systeme
(10-202-2218S/V)

Aktuelle Trends in
Data Science
(10-INF-DS301)

3.

Text Mining
(10-201-2301)

Künstliche neuronale Netze und maschinelles Lernen
(10-202-2133)

Wissenschaftliche Visualisierung
(10-202-2201)

4.

Masterseminar
(10-INF-DS02)

Masterarbeit

Tabelle 4: Beispielhafter Studienablauf Master of Science Data Science für Studierende mit dem Schwerpunkt „Datenanalyse“.

 

Kontaktinformation

Fakultät für Mathematik und Informatik
Studienbüro
Leiter: Marco Neumann

Augustusplatz 10 
Raum A510
04109 Leipzig

Postanschrift:
Fakultät für Mathematik und Informatik
Studienbüro
PF 100920  D-04009 Leipzig

E-Mail

Hinweis: Bei einer E-Mail mit Fragen zum Studium bitte immer die studentische E-Mail-Adresse verwenden und die Matrikelnr. sowie den Studiengang angeben.

Telefon: s. Mitarbeiter/innen
Telefax: +49 341 97-32193

Sprechzeiten

Dienstag:
9:00 - 12:00 | 13:00 - 16:00

Donnerstag:
9:00 - 12:00 | 13:00 - 16:00