ARD alpha Uni Statistics & Data Science studieren
Data Science ist ein Studiengang, der auf der Basis von Mathematik, Informatik und Statistik vermittelt, wie riesige Datenmengen analysiert und verarbeitet werden können. Data Scientists sind Spezialist:innen für Maschinelles Lernen und KI.
Zulassungsvoraussetzungen
Um dich für das Studium der Data Science bewerben zu können, musst du eine fachgebundene Hochschulreife oder die Allgemeine Hochschulreife, also ein Fachabitur aus dem Technik- oder Wirtschaftszweig, oder ein Abitur vorweisen.
Auch mit einer Berufsausbildung und einschlägiger Berufserfahrung kannst du dich für das Studium Data Science bewerben.
Achtung Englischkenntnisse! An den Universitäten und Hochschulen finden auch im Bachelorstudiengang einige der Vorlesungen in Englisch statt. Dazu kommt, dass vieles in der Fachliteratur schlicht nur in Englisch zugänglich ist. Im Masterstudium kann es sein, dass wie in München an der LMU, der ganze Masterstudiengang in Englisch stattfindet.
Voraussetzung sind also Englischkenntnisse auf dem Level des B2-Zertifikates Englisch. Das ist ein Level, der normalerweise in den Fachoberschulen und Gymnasium automatisch erreicht wird. Falls Englisch aber nicht so ganz deine Stärke gewesen ist, oder du aus dem Beruf heraus in das Studium einsteigen willst, solltest du sicher stellen auf diesem Level zu sein.
Numerus Clausus (NC)? In der Regel unterliegt das Studium keinem Numerus Clausus (NC). Erkundige dich dennoch an der Hochschule oder Universität deiner Wahl, wie dort die Bewerbungskonditionen sind. Es könnte sein, dass dort im Fach nicht mehr Studienplätze vorhanden sind, was bedeutet, dass du dann einen Platz an einer anderen Hochschule oder Universität suchen müsstest.
Was studierst du bei Date Science?
Studiendauer
Der Bachelorstudiengang im Statistics & Data Science, so wie er an der LMU in München heißt, dauert in der Regel sechs Semester inklusive Praxissemester.
Der Masterstudiengang dauert an der LMU München, an der Marie studiert, weitere vier Semester. Es gibt Hochschulen, die den Master auch in drei Semestern anbieten. Das hängt von der Hochschule oder Universität ab, an der du studieren willst. Zulassungsvoraussetzung dazu ist ein Bachelorabschluss in Data Science oder ein fachverwandter Bachelor-Abschluss etwa Informatik oder Wirtschaftsinformatik.
Im Bachelorstudiengang beschäftigst du dich am Anfang immer mit viel Mathematik und Programmierung und du musst eine Reihe von Studienmodulen absolvieren. Zum Beispiel:
- Lineare Algebra
- Analysis + Stochastik/Optimierung
- Interferenzstatistik
- Deskriptive Statistik
- Einführung in das maschinelle Lernen
- Statistische Modellierung
- Einführung in die Biometrie
- Wirtschafts- und Sozialstatistik
- Programmierung
- Informatik für Data Science
- Stichprobentheorie
- KI + Data Engineering
- Arbeiten mit Python
Im Bachelorstudium spezialisierst du dich im fünften und sechsten Semester. Zur Wahl stehen an der LMU zum Beispiel diese Schwerpunkte, andere Universitäten und Hochschulen biete andere an:
- Computationale Statistik/Data Science
- Biostatistik
- Wirtschaft- und Sozialstatistik
Die Bachelorarbeit wird im letzten Semester geschrieben.
Im Masterstudiengang setzt du dich tiefergehend mit Bereichen auseinander. Hier wieder das Beispiel der LMU München. Dort finden alle Lehrveranstaltungen in Englisch statt:
- Methodological modules
- Practical modules
- Data security
- Data confidentiality
- Data ethics
Dazu gibt es praktische Übungen, in denen du deine Kenntnisse anwenden kannst; meist bei Partnern der Universität in der Industrie. Und vielleicht findest du so auch ein Tor für deinen späteren Berufseinstieg.
Data Science? "Data Science ist nicht nur Theorie, es geht um recht praktische Anwendungen."
"Unser Praktikum ging über die Großwetterlage in Europa. Und das sind einfach Wetterlagen, die mindestens drei Tage am Stück anhalten. Wir haben versucht darzustellen, welche Wetterlagen in welchem Jahreszeiten am häufigsten vorkommen. Wir hatten Daten von 1900 bis Ende 2010 für verschiedene Koordinaten viermal am Tag gemessen; das war so was wie Druck und Temperatur usw. und wir hatten für jeden Tag auch die Wetterlage. Das war ein anderer Datensatz. Die haben wir dann zusammengefügt und hatten immer einen Tag und eine Wetterlage und dann konnten wir sagen: Wir klassifizieren jetzt diese verschiedenen Wetterlagen und versuchen das dann darzustellen, sodass wir für jede Wetterlage ein paar Plots hatten und wir sehen konnten, wie oft diese in der Jahreszeit vorkamen. Dann haben wir die im Dashboard gefärbt."
Marie, Masterstudiengang Statistics & Data Science, LMU München
Prüfungen
Im Bachelorstudiengang belegst du Module und an jedem Ende des Modules steht eine Prüfung, die du bestehen musst. Diese können mündlich aber auch schriftlich erfolgen in Form von Klausuren. Alle Noten sind Bestandteil der Bachelorprüfung am Ende des Studienganges. Das Studium schließt du mit bestandener Abschlussprüfung mit dem Bachelor of Science (B.Sc.) ab.
Der Masterstudiengang dauert, je nach Hochschule, zwischen drei und vier Semester. Voraussetzung dafür ist der Bachelor of Arts.
Auch hier gib es Modulprüfungen als Klausuren, Projektarbeiten und auch mündliche Prüfungen. Im letzten Semester schreibst du die Masterarbeit und erhältst nach bestandener Prüfung den akademischen Titel Master of Arts (M.A.)
Welche Skills brauchst du?
- Mathematik
- Englisch B2
- Lust zum Programmieren
- Abstraktionsvermögen
- Kommunikationsvermögen
- Transferfähigkeit
- Eigeninitiative
Karriere - Data Scientists
Der Markt für Data Scientists erfährt derzeit einen Boom. Die Berufsaussichten sind sehr gut. Gerade die KI-Technik eröffnet neue Anwendungsperspektiven und damit auch Chancen in den Beruf einzusteigen. Data Scientists arbeiten auf den Feldern des maschinellen Lernens, des maschinellen Sehens, der datenbasierten Prozessoptimierung in Unternehmen, und der Weiterentwicklung des Internet of Things (IoT) und natürlich auch des Industrial Internet of Things (IIoT) und vielen Bereichen mehr.
Die Anwendungsbereiche umfassen alles, wo irgendwie Daten erhoben und in irgendeiner Weise verarbeitet werden. Ob es nun um Klimamodellierungen geht oder geotektonische Veränderungen der Erdkruste, Verbraucherverhalten oder Ressourcenoptimierung für neue Technologien und das Füttern von Datenbanken für neue Anwendung in der KI-basierter Prozesse. Data Scientists werden derzeit gesucht wie nie.
In welchen Berufsfeldern arbeiten Data Scientists?
Data Scientists arbeiten überall, wo Daten erhoben und verarbeitet werden. Das kling sehr allgemein, hier sind konkrete Beispiele:
- Banken
- Pharmazeutische Industrie
- Biometrische Forschungsinstitute
- Meinungsforschungsinstitute
- Wirtschaftsforschungsinstitute
- Versicherungen
- Unternehmungsberatungen
- Forschungsinstitutionen
- Universitäten und Hochschulen
Data Scientists gelangen in Unternehmen zunehmend in die Positionen, die bisher von Mathematiker:innen ausgefüllt wurden. Data Scientists bringen „Digital Skills“ mit, die „reine“ Mathematiker:innen, wenn es um Datenanalyse und Datenverarbeitung geht, nicht in demselben Maße vorweisen können.
Verdienst
Data Scientists verdienen von Anfang an relativ gut. Die Einstiegsgehälter liegen im Schnitt bei 4639 Euro Brutto im Monat. Mit wachsender Berufserfahrung, auch in leitenden Positionen, sind 6700 Euro Brutto im Monat und auch mehr möglich. Sicher sind solche Gehälter auch abhängig von den Projekten an denen du arbeitest, aber auch von der Firma, in der beschäftigt bist.
Quelle: Bundesagentur für Arbeit
Wie immer gilt auch bei Data Scientists: Ein höherwertiger Abschluss wird auch bezahlt. Der Masterabschluss oder gar eine Promotion vergrößern die Chancen Karriere zu machen.
Und natürlich kannst du dich auch selbstständig machen. Ab da unterliegt dein Verdienst deinem Können und deinem Verhandlungsgeschick.
Abstraktes Denken? "Als Data Scientists musst du abstrahieren können."
"Bei uns ist es so: Du hast von Anfang an auch was Angewandtes. Du wendest diese Sachen an, du musst sie nicht unbedingt beweisen können, sondern eher verstehen, Wofür brauche ich das und wie kann ich das benutzen?"
Marie, Masterstudiengang Statistics & Data Science, LMU München
