Наука о Данных, Data Science (продвинутый курс)

Datenwissenschaft, Data Science (weiterführend)

Продвинутый курс в области Науки о Данных, Data Science углубляет знания, полученные в базовом курсе и, возможно, профессиональной сфере в области статистики, больших данных, анализа данных и управления данными и информацией. Дипломная программа ведет ко второй профессиональной квалификации университета.

Наука о данных, Data Science также может изучаться в контексте программ дистанционного обучения, неполного или дуального обучения.

Альтернативные названия

Систематика

Berufs-ID: 129988
Systematiknummer: 43104-951
SIF-ID: 131260

Примеры программ обучения

Примеры программ обучения:

• Управление большими данными (магистратура)
• Бизнес-аналитика и наука о данных (магистратура)
• Вычислительная техника и наука о данных (магистратура)
• Аналитика данных (магистратура)
• Разработка данных и аналитика (магистратура)
• Управление данными в разработке и производстве продуктов (магистратура)
• Наука о данных / Data Science (магистратура)
• Управление цифровыми данными (магистратура)
• Машинное обучение и анализ данных (магистратура)
• Управление и наука о данных (магистратура)

Требования к школьному образованию

Изучаемые предметы

Модули (пример):

• Прикладная статистика
• Большие данные
• Бизнес-аналитика
• Бизнес-аналитика и склад
• Добыча данных
• Поддержка принятия решений
• Управление цифровыми процессами
• Этика и право
• Управление исследований данных
• Основы анализа данных и инженерии данных
• Машинное обучение
• Управление научными данными
• Математические основы науки о данных
• Параллельные вычисления
• Программирование для Data Science
• Статистические методы в обработке и оценке данных
• Добыча текста
• Веб-аналитика и социальные сети

практическое содержание курса:

В зависимости от университета, интегрированные практические этапы (например, практический проект в индустрии программного обеспечения), семестр за рубежом

Примеры специализации

Дополнительные квалификации

Получение дополнительных и ключевых квалификаций уже во время обучения полезно и является преимуществом для успешного вступления в карьеру (например, в областях производства в 21-м веке, риторики и управления проектами), а также подходящих факультативных модулей и соответствующих стажировок (например, в индустрии программного обеспечения).

Срок обучения

Стандартная продолжительность: 2-4 семестра
Нет доступных статистических данных о средней фактической продолжительности обучения.

Возможные типы дипломов

• Master of Engineering (M.Eng.)
• Master of Fine Arts (M.F.A.)

Ситуация с обучением

Вы должны быть готовы к следующим условиям и требованиям:

• Курсы: посещайте лекции и семинары в течение семестра в аудиториях и лекционных залах университета
• Дополнительное обучение: в течение дня на неделе на работе и по вечерам или в выходные дни в университете
• Практические упражнения: например, тестирование программного обеспечения, разработанного в компьютерных лабораториях
• Самостоятельная работа: готовить и обрабатывать лекции и учебные материалы, проводить исследования в библиотеках, готовить документы, выполнять домашнюю работу (даже во время перерывов в семестре)
• Научные исследования: углубление навыков научного письма
• Организация и планирование: планируйте учебу под свою ответственность, соблюдайте установленные сроки обучения, своевременно проводите курсовые работы и экзамены (требуются навыки самодисциплины и самоорганизации)
• Подготовка к карьере: если необходимо, завершите стажировку (например, в индустрии программного обеспечения), подготовьтесь к работе

Дуальное обучение

Программы дуального обучения сочетают учебу с профессиональной деятельностью или с практическими этапами обучения в компании. В продвинутом курсе Науки о Данных, Data Science, возможны курсы, интегрирующие практику.

Места обучения

Места обучения

• в университете: лекционные залы, помещения для семинаров и практики, библиотеки, компьютерные лаборатории
• на дому: например, подготовка и последующие действия в классе, подготовка к домашним заданиям

Виды учебных заведений

• Университет
• Университет Прикладных Наук

Международное обучение

Альтернативные курсы

Следующие курсы могут быть альтернативами для дисциплины Наука о Данных, Data Science (продвинутый курс):

направление Математики и Статистики

• Статистика (продвинутый курс)
• Финансовая, бизнес математика (продвинутый курс)
• Компьютерная математика (продвинутый курс)

Сходство:

• Анализировать, обрабатывать и оценивать данные с использованием математических и статистических методов

Направление Разработки аппаратного и программного обеспечения

• Информатика (продвинутый курс)
• Разработка программного обеспечения (продвинутый курс)
• Интернет-системы, электронные услуги (продвинутый курс)
• Бизнес-информатика (продвинутый курс)

Сходство:

• Получить знания о методах и понятиях информатики
• Сбор и обработка информации, разработка необходимого программного обеспечения и баз данных.

Направление Координации ИТ

• Управление ИТ (продвинутый курс)
• Управление информацией (продвинутый курс)

Сходство:

• Организовывать большие базы данных и проектировать информационные процессы

Сферы деятельности

Для выпускников магистратуры по Науке о данных, Data Science предлагаются различные виды деятельности в частном секторе, например, разработка программного обеспечения, сбор и анализ данных или сбор, разработка и обработка информации.

Если вы ищете научную карьеру в университете, вы должны получить докторскую степень. Докторская степень может также облегчить доступ к более высоким профессиональным позициям в частном секторе и научных исследованиях.

Последующее образование

Развитие предметной области

Создание специализированной области

Термин «наука о данных» существует уже более 40 лет. Долгое время он был синонимом статистики. Лишь в начале 21-го века наука о данных начала становиться самостоятельной научной дисциплиной, которая использует методы и теории математики, статистики и информационных технологий, а также управления информацией для получения фактов и знаний из больших и разнородных наборов данных.

Хотя электронный анализ и анализ данных использовались в компаниях в течение длительного времени, быстрый рост оцифровки во многих сферах жизни и экономике генерирует огромные объемы данных (большие данные), которые генерируются с высокой скоростью. Они больше не могут быть оценены с использованием традиционных методов обработки данных и требуют новых методов и технологий для анализа данных и управления данными.

Чтобы иметь возможность анализировать и использовать эти большие и сложные базы данных, используя современную ИТ-инфраструктуру и подходящие статистические модели, университеты недавно разработали независимые программы по науке о данных.

Междисциплинарные курсы обучения варьируются в зависимости от университета. Например, они ориентированы на анализ данных или на конкретную ссылку на приложение.