Individuelle Schwerpunktbildung im Bereich Data Science

Data Science ist ein interdisziplinäres Wissensgebiet bei dem es darum geht, die für eine konkrete Anwendung relevanten Datenquellen zu identifizieren, die extrahierten Daten geeignet zu erfassen, zu verarbeiten und zu analysieren, sodass sich gewinnbringende Erkenntnisse und Entscheidungen ableiten lassen. Durch Wahl des Schwerpunkts „Data Science“ können Studierende des Bachelorstudiengangs Technomathematik Kenntnisse und Fertigkeiten in diesem hochaktuellen Bereich auf- und ausbauen. Angebotene Lehrveranstaltungen dazu sind z.B, Statistische Mustererkennung, Mathematische Methoden des maschinellen Lernens, Big Data & Analytics sowie Algorithmen und Datenstrukturen.

Die folgenden Module stellen eine Auswahl dar, um individuell einen Schwerpunkt im Bereich Data Science zu bilden. Gegebenenfalls muss zur Anerkennung als ein FWPM für BTM ein Antrag gestellt werden; nehmen Sie bei Fragen hierzu gegebenenfalls mit dem Vorsitzenden der Prüfungskommission BTM auf.

Diese Module werden teilweise im Rahmen von anderen Studiengängen in anderen Fakultäten angeboten; diese Module finden daher auch teilweise unregelmäßig und im Sommersemester statt. Hierzu sollten Sie sich als Studierender selbständig erkundigen. Bei Fragen steht Ihnen der Studienfachberater BTM gerne zur Verfügung.

Bei den von BTM selbst angebotenen Modulen hängt das Angebot von den Wünschen der Studierenden ab.

Mathematische Methoden des maschinellen Lernens              

Zentrale Aufgabe des maschinellen Lernens ist die Erkennung von Strukturen und Mustern in Daten. In der Vorlesung behandeln wir wichtige Konzepte des maschinellen Lernens wie Klassifikation, Regression und Datenclustering. Dabei wird insbesondere die den Methoden zugrundeliegenden Mathematik gelegt.

Big Data & Analytics      

Big Data & Analytics beinhaltet die komplexe Analyse großer Datenmengen, die häufig auch unstrukturiert sind bzw. in Echtzeit ausgewertet werden müssen. Beispiele sind ein besseres Kundenverständnis auf Basis sozialer Medien wie Facebook oder die Logfileanalyse zur Vorhersage von Maschinenausfällen.

Algorithmen und Datenstrukturen              

Algorithmen bilden die methodische Grundlage von Computerprogrammen. Erwerben Sie die Fähigkeiten, um rechenintensive Problemstellungen effizient zu lösen.

Statistische Mustererkennung  

Mustererkennung beschäftigt sich mit der automatischen Klassifikation von Objekten und Sachverhalten anhand geeignet extrahierter Merkmale. Die klassifizierten Muster reichen dabei z.B. von Kreditausfallrisiken über die menschliche Sprache bis zu den Ergebnissen von Fertigungsprozessen. In der Lehrveranstaltungen behandeln wir die systematische Konstruktion und Evaluation von mustererkennenden Systemen und damit ein universell einsatzbares Werkzeug des maschinellen Lernens.