Artificial Intelligence and Data Science
Master of Science
Kurzbeschreibung
Kurzbeschreibung
Künstliche Intelligenz (KI) und Data Science sind die treibenden Kräfte hinter den rasanten Fortschritten in der Digitalisierung und Automatisierung, die unser alltägliches Leben zunehmend verändern. Dieser zweijährige Masterstudiengang behandelt die theoretischen Grundlagen von Künstlicher Intelligenz und Data Science sowie deren Anwendung auf reale Probleme. Vielfältige Spezialvorlesungen führen in Themen wie die Verarbeitung natürlicher Sprache, Computer-Vision und die Analyse biologischer & medizinischer Daten ein. Ein besonders wichtiger Aspekt dieses Studiengangs sind Methoden des maschinellen Lernens und deren Anwendungen, mit starkem Fokus auf Deep Learning.
Durch eine Vielzahl von Wahlfächern kann der Studiengang sehr auf die persönlichen Interessen abgestimmt werden. Als Absolvent des Studiengangs "Artifical Intelligence and Data Science" verfügen Sie über ein solides Verständnis der mathematischen und statistischen Grundlagen der KI-bezogenen Forschung. Außerdem gewinnen Sie einen guten Überblick über den neuesten Stand der Technik und ein tiefes Verständnis dafür, wie diese Algorithmen auf spezifische Forschungsprobleme angewendet werden können. Darüber hinaus werden Sie befähigt, Forschung im akademischen oder R&D-Umfeld durchzuführen und zu erkennen, wie Techniken der Künstlichen Intelligenz und der Data Science Lösungen für datenbasierte IT-Probleme in der Industrie bieten können.
Studieneinstieg/Zugangsvoraussetzungen
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 2,5 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, auch IBT@Home, 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) Cambridge Linguaskill B2
e) 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.
Studieninhalte
Pflichtfächer:
--------------------
Mathematical and Statistical Foundations of Data Science
Advanced Programming and Algorithms
Machine Learning
Deep Learning
Lab rotation I
Lab rotation II
Master Thesis
Wahlfächer (Stand 2022):
------------------
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
---------------------------------
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
Studienverlauf
Semester 1:
- Mathematical and Statistical foundations of Data Science
- Advanced Programming and Algorithms I
- Machine Learning
- Deep Learning
Semester 2:
- Advanced Programming and Algorithms II
- 3 elective subjects
- Lab Rotation I
Semester 3:
- 4 elective subjects
- Lab Rotation II
Semester 4:
- Master thesis & seminar
Siehe auch StudyProgram
Studienziele/Berufsperspektiven
Data Scientist, KI-Spezialist
Wintersemester
4 Semester
Englisch
Orts-NC - HHU
WiSe: 01.05.-15.07.
lt. Zulassungsbescheid
15.01.2025 - 15.02.2025
Dr. Peter Arndt
E-Mail
(bitte FAQ lesen vor Kontaktaufnahme)
Studierenden Service Center (SSC)
Geb. 21.02 / SSC
Telefon +49 211 81‐12345
E-Mail
Bei Fragen zu Studienverlauf und Prüfungsangelegenheiten für Studierende:
Studierenden und Prüfungsverwaltung
Kontakt Prüfungssachbearbeitung SPV