Zum Inhalt springenZur Suche springen

Artificial Intelligence and Data Science
Master of Science

Kurzinformationen

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 2,2 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.

Studieninhalte

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

Studienverlauf

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

Studienziele/Berufsperspektiven

Data Scientist, KI-Spezialist

Studienbeginn:
Wintersemester
Studiendauer:
4 Semester
Unterrichtssprache:
Englisch
Bewerbungsart:
Orts-NC - HHU
Bewerbungsfrist:
15.11.2021 - 15.01.2022
Einschreibefrist:
lt. Zulassungsbescheid
Rückmeldefrist:
15.01.2022 - 15.02.2022
Relevante Dokumente:

Prüfungsordnung

Modulhandbuch

Kontakt Studiengang:

Fachstudienberatung

Dr. Peter Arndt


 

Studiengang/Institut
Kontakt SSC:

Studierenden Service Center (SSC)
Geb. 21.02 / SSC
Telefon +49 211 81‐12345

 

Bei Fragen zu Studienverlauf und Prüfungsangelegenheiten für Studierende:

Studierenden und Prüfungsverwaltung
Kontakt Prüfungssachbearbeitung SPV

Studierenden Service Center (SSC)

Angebote für Studieninteressierte

Verantwortlichkeit: