Artificial Intelligence and Data Science
Master of Science

Der Studiengang ist zulassungsbeschränkt. Voraussetzung für die Aufnahme des Studiums ist ein erster Hochschulabschluss mit der in der Prüfungsordnung festgelegten erforderlichen Vorbildung.

Kurzfassung: Sie benötigen einen Bachelorabschluss in Mathematik, Informatik, Physik, Elektrotechnik oder einem verwandten Bereich, dessen Curriculum die Module Analysis I + II, Lineare Algebra I und Stochastik I mit einem Gesamtwert von mindestens 30 ECTS umfasst (auf einem Niveau, das dem Niveau für Informatiker an der HHU entspricht). Der Prüfungsausschuss entscheidet, ob Sie die Zugangsvoraussetzungen erfüllen.

Die Abschlussnote Ihres Bachelorstudiums muss nach dem deutschen Notensystem zwischen 1,0 und 2,2 liegen. Mit der 'Bayerischen Formel' können Sie Noten in das deutsche System umrechnen.

Da der Studiengang englischsprachig ist, müssen Studienbewerberinnen und Studienbewerber, die ihren akademischen Abschluss nicht an einer englischsprachigen Einrichtung erworben haben, keinen vollständig englischsprachigen Bachelor-/Master-Abschluss vorweisen können oder nicht Muttersprachler sind, ausreichende Englischkenntnisse nachweisen. Folgende Sprachzertifikate werden akzeptiert:

a) Test of English as Foreign Language (TOEFL), papierbasiert (mind. 500 Punkte), computerbasiert (mind. 200 Punkte) oder internetbasiert (IBT, mind. 80 Punkte),

b) IELTS-Test mit einer Punktzahl von mindestens 6,0.

c) Cambridge B2 First Certificate, früher bekannt als Cambridge English: First (FCE)

d) Deutsches Abiturzeugnis, aus dem hervorgeht, dass bis zum Abschluss der Qualifikationsstufe 1 (Jahrgangsstufe 11 beim G8-Abitur, sonst Jahrgangsstufe 12) durchgehend Englisch als Fach belegt und mit der Note  ausreichend  bestanden wurde.

Pflichtfächer:

--------------------

Advanced Programming and Algorithms

Deep Learning

Machine Learning

Mathematical and Statistical Foundations of Data Science Lab rotation I Lab rotation II Master Thesis Master Thesis Seminar

Wahlfächer:

------------------

Methods of Artificial Intelligence in Life Science

Generative Models and Sampling Methods    Algorithmic Game Theory

Causality

Computational Linguistics

Relational Databases and Data Analysis

Data & Knowledge Engineering

Markov Chains

Neuroimaging and Precision Medicine

Philosophy of Intelligence

Statistical Data Analysis

Statistical Learning

Introduction to Logic Programming

Master Seminar Advances in Data Science Natural Language Processing Numerical Methods for Data Science Introduction to Linear Optimization Reinforcement Learning Spoken Dialogue Systems Topological Data Analysis Information Theory Spectral Graph Theory and Graph Signal Processing Seminar Advanced Mathematical and Numerical Methods in Data Science (5 CP)

---------------------------------

Das Programm umfasst zwei Lab Rotations (jeweils 6 Wochen), in denen Studierende praktische Arbeiten in Forschungsgruppen innerhalb oder außerhalb der HHU oder in R&D-Umgebungen von Unternehmen durchführen. Das 6-Wochen-Workload (10 ECTS) für eine Lab Rotation muss nicht in einem Block absolviert werden. Die Zeit, in der physische Anwesenheit erforderlich ist, kann mit dem Betreuer ausgehandelt werden. Lab Rotations werden von allen Lehrenden, die Lehrveranstaltungen innerhalb des Masterstudiengangs durchführen, und ausgewählten Gruppen am Forschungszentrum Jülich (z.B. dem Jülich Supercomputing Centre) angeboten. Studierende müssen rechtzeitig vor Beginn der Lab Rotation Kontakt mit Forschungsgruppen oder R&D-Abteilungen aufnehmen. Die Betreuer der Lab Rotation wählen die Bewerberinnen und Bewerber nach ihrer Eignung für das Projekt aus.

Die Studierenden können sich bei jeder Forschungsgruppe bewerben, die Data Science-Projekte für eine Masterarbeit anbietet (  6 Monate).

Idealerweise sollte die Abschlussarbeit in einer der beiden Gruppen durchgeführt werden, in denen eine Lab Rotation absolviert wurde. Die Studierenden werden von einem Mitglied der gewählten Forschungsgruppe und einem Dozenten des Masterstudiengangs gemeinsam betreut. 

---------------------------------

Es wird empfohlen, dass die Studierenden Lehrveranstaltungen wählen, die inhaltlich verwandt sind. Mögliche Schwerpunkte sind unten aufgeführt.

Eine Spezialisierung in der Frühphase eines Masters kann bei Bewerbungen auf Stellen, Graduiertenschulen und PhD-Programme mit ähnlichen Schwerpunkten von Vorteil sein. 

Mögliche Schwerpunkte

1) Natural Language Processing

2) AI Methods

3) Life Sciences

4) Mathematics & Statistics

Semester 1:

- Mathematical and Statistical foundations of Data Science

- Advanced Programming and Algorithms

- Machine Learning

Semester 2:

- Deep Learning

- 3 elective subjects

- Lab Rotation I

Semester 3:

- 4 elective subjects

- Lab Rotation II

Semester 4:

- Master thesis & seminar

Siehe auch https://www.heicad.hhu.de/fileadmin/redaktion/HeiCad/heicad_pictures/heicad_master/StudyProgram.png

Data Scientist, KI-Spezialist