Master Data Engineering and Analytics

Die Verarbeitung und Auswertung von extrem großen Datenmengen ist ein drängendes Problem in vielen Bereichen und erfordert ganz neue Techniken und Verfahren. Dieser Trend zu "Big Data" wird durch eine Reihe von Entwicklungen vorangetrieben: Erstens wird es immer einfacher, große Mengen von Daten zu erzeugen und zu speichern, z.B. wegen günstigem Speicherplatz, Sensoren, smart devices, Sozialen Netzwerken, usw. Zweitens, können diese großen Datenmengen durch technische Fortschritte wie z.B. schnelle multi-core Systeme und Cloud Computing auch in großem Stil verarbeitet werden. Und drittens werden solche Datenmengen nicht mehr nur von "klassischen" Anwendungsgebieten wie z.B. Geschäftsdaten erzeugt, sondern fallen inzwischen in sehr vielen Lebensbereichen an. Beispielsweise erzeugen immer mehr Fahrzeuge mittels Sensoren und intelligenter Vernetzung große Datenmengen, welche u.a. für die Modellweiterentwicklung oder für diagnostische Zwecke genutzt werden können. Ein wichtiges Anwendungsgebiet ist derzeit auch die intelligente Energienetzsteuerung.

Der Masterstudiengang Data Engineering und Analytics greift diese Entwicklungen auf und vermittelt eine Ausbildung, die Absolventen zum einen befähigt, praktische Lösungen in diesem Themenbereich zu Entwerfen und zu Planen, und zum anderen solide Grundlage zur Forschung bietet.

Kooperation mit "Mathematics in Data Science" Masterprogram

Parallel zum Informatik-Studiengang "Data Engineering and Analytics" richtet die Fakultät für Mathematik den Masterstudiengang „Mathematics in Data Science“ ein. Die beiden Studiengänge sollen aufbauend auf einer gemeinsamen Grundlage speziell die informatischen bzw. mathematischen Aspekte von Big Data behandeln. Die Sammlung, Modellierung, Speicherung, Verarbeitung und Auswertung extrem großer (Beispiel: Soziale Medien), sich schnell ändernder (Beispiel: Sensoren) und komplexer (Beispiel: ökologische Systeme) Datenmengen ist das Ziel beider Studiengänge.

Im Informatikstudiengang wird mehr Wert darauf gelegt, die Daten so zur Verfügung zu stellen, dass sie mit unterschiedlichen Methoden zu unterschiedlichen Zwecken effizient verarbeitet werden können. Die Datenspeicherung und der Datenzugriff müssen auf die gewaltige Menge, die hohe Änderungsrate und die große Komplexität der Daten abgestimmt sein und variabel reagieren können. Weiterhin müssen sie sich den wechselnden Analysealgorithmen sowie den Visualisierungen der Ergebnisse anpassen. "Data Engineering and Analytics" soll sowohl ein tiefgreifendes Verständnis der grundlegenden Methoden, als auch praktische Techniken zur Verarbeitung sehr großer Datenmengen vermitteln. Im Gegensatz dazu wird auf der Mathematikseite im Studiengang "Mathematics in Data Science" der Fokus auf die Berechnung, Simulation und Vorhersage komplexer Phänomene (wie z.B. Kundenverhalten, Wirtschaftsentwicklung, medizinische Krankendaten,...) und auf die oft schwierige Interpretation dieser Daten gelegt, welche komplexe mathematische Modelle erfordert.

Programmübersicht

Das Programm ist in die drei Schwerpunkte Data Analysis, Data Engineering and Analytics und Data Engineering aufgeteilt. Im Bereich Data Analysis werden Grundlagen zum Verständnis von Daten und zur Modellierung von zugrunde liegenden Zusammenhängen vermittelt. Der Bereich Data Engineering umfasst Vorlesungen zur Konstruktion von Systemen die durch effiziente und skalierbare Datenverarbeitung Methoden der Data Analysis auf großen Datensätzen ermöglichen.

Das Curriculum umfasst zu jeweils Data Analysis und Data Engineering eine verpflichtende Grundlagenveranstaltung.

Weiterführende Veranstaltungen werden für alle drei Schwerpunkte angeboten:

Der Bereich Data Engineering umfasst unter anderem Vorlesungen zu verteilten Systemen, verteilten Datenbanken, Anfrageoptimierung, Datenbanksystemen auf modernen CPU-Architekturen und High Performance Computing.

Data Engineering and Analytics bietet Veranstaltungen zu Machine Learning, Business Analytics, Computer Vision und Scientific Visualization.

Data Analysis enthält Veranstaltungen die solide mathematische Grundkenntnisse benötigen: Fundamentals of Convex Optimization, Computational Statistics und weitere.

Weiterführende Informationen finden befinden sich in der Curriculumsübersicht und im Modulkatalog.

Voraussetzungen

Der Master Data Engineering and Analytics richtet sich an Studenten/Studentinnen mit Bachelorabschluss Informatik, die sich in Data Engineering and Analytics spezialisieren wollen.

Details zu Vorraussetzungen finden Sie auf den Bewerbungsseiten.