Computational Intelligence:
Viele Methoden der Künstlichen Intelligenz orientieren sich an der Natur: Neuronale Netze mit Deep Learning erlauben fortgeschrittene Mustererkennung; Schwarmintelligenz und evolutionäre Algorithmen lösen Probleme, an denen herkömmliche Ansätze scheitern. Reinforcement-Learning-Algorithmen bringen Go-Meister zum Verzweifeln. Die Beherrschung solcher Methoden steht im Fokus des Studiums.
Mathematik und Statistik:
Statistik ist die Grundlage von Data Mining und Predictive Analytics und ist für die Analyse von großen Datenmengen unerlässlich. Auch diverse Themengebiete aus der Mathematik spielen in Data Science eine große Rolle, von der Informationstheorie über die Graphentheorie bis hin zu Optimierungsmethoden.
Datenbanksysteme und Informatik:
Größere Vielfalt, höhere Geschwindigkeiten und ein größeres Volumen der Datenmengen führen zu der Notwendigkeit, sich mit der effizienten
Speicherung auseinanderzusetzen. Daher sind Datenaufbereitung sowie Fähigkeiten im Umgang mit Datenbanksystemen zum Must-have von Data-Scientist:innen geworden.
Beruf und Praxis:
Sowohl die Fähigkeit zum wissenschaftlichen Arbeiten als auch zum Einstieg in die Praxis werden im Studium vermittelt. Kenntnisse in Wissenschaftstheorie, die Sensibilität für ethische Fragen und Datenschutz sowie Grundlagen des Projektmanagements werden durch anwendungsnahe Data-Science-Projekte ergänzt.