Studienplan/Lehrinhalte
Bachelorstudiengang Data Science

Aufbau des Bachelorstudiengangs Data Science

Studiendauer
Der Bachelorstudiengang umfasst 7 Semester. Die ersten beiden Fachsemester bilden das Grundstudium. Das Hauptstudium, welches ein integriertes praktisches Studiensemester in einem Unternehmen beinhaltet, dauert 5 Fachsemester.

Studieninhalte
Der Bachelorstudiengang vermittelt eine umfassende Ausbildung auf allen wichtigen Gebieten des Data Science, die sowohl die Theorie als auch die Praxis umfasst. Im Studiengang Data Science werden Themen wie Data Analytics, Maschinelles Lernen, oder Big Data behandelt.

Die dafür notwendigen fachlichen und fachübergreifenden Kompetenzen werden durch eine ausgewogene Mischung an Lehrveranstaltungen aus den Bereichen Informatik, Wirtschaft, Mathematik und Statistik vermittelt.

Inhalte der einzelnen Bereiche:

Informatik

In den Modulen im Bereich Informatik werden die Grundlagen des Programmierens und der Datenhaltung vermittelt – in einer Tiefe, wie sie in typischen Data Science Projekten benötigt werden.

Nach Abschluss des Pflichtprogramms des Hauptstudiums kennen die Studierenden die wichtigsten Grundprinzipien maschinell lernender Systeme und sind in der Lage, Data Analytics Projekte selbständig durchzuführen sowie mit gängigen Big Data Architekturen zu arbeiten.

Die Wahlfächer und Domänenprojekte im 6. und 7. Semester ermöglichen es, Schwerpunkte zu wählen und damit z.B. Informatik-Grundlagen zu vertiefen, um einen Informatik-Masterstudium anschließen zu können, oder bspw. in Maschinellem Lernen mehr Erfahrung zu sammeln.

Wirtschaft

Nach dem einführenden Modul im 1. Semester werden in den Modulen im Bereich Wirtschaft wird im 2. bis 4. Semester jedes Semester jeweils ein Data Science Projekt durchgeführt und die dafür notwendigen wirtschaftlichen Grundkenntnisse vermittelt. Auch die Fächer aus den Bereichen Informatik, Statistik und Mathematik greifen dieses Projekt auf und veranschaulichen die jeweiligen Lehrinhalte an Hand dieses Anwendungsbeispiels.

Das 5. Semester verbringen die Studierenden in einem Unternehmen, wo sie in der Regel ein Data Science Projekt zu einer Fragestellung aus dem Bereich Wirtschaft selbständig durchführen.

In den Domänenprojekten und Wahlfächern des 6. und 7. Semesters können Studierende ihr Grundwissen im Bereich Wirtschaft vertiefen und angeeignete Kenntnisse in Anwendungsdomänen ihrer Wahl aufbauen.

Statistik

In den Modulen im Bereich Statistik werden die theoretischen Grundlagen der Datenanalyse vermittelt. Die Studierenden entwickeln insbesondere ein Verständnis dafür, wie zuverlässig ihre aus Daten gezogenen Schlüsse sind. An Hand von Anwendungsbeispielen werden dann systematische Vorgehensweisen für typische Fragestellungen der Data Analytics erarbeitet. Auch im Maschinellen Lernen kommen viele der in Statistik behandelten Konzepte zum Einsatz.

Mathematik

In den Modulen im Bereich Mathematik werden diejenigen Grundlagen aus Analysis, linearer Algebra und Logik vermittelt, die in den Modulen der Wirtschaft, Statistik, sowie des Maschinellen Lernens und der Data Analytics zum Einsatz kommen. Darüber hinaus liegt ein Schwerpunkt auf mathematischer Modellierung, d.h. der Fähigkeit, reale Sachverhalte, Fragestellungen und Daten in eine Form zu bringen, auf die die erlernten theoretischen Verfahren angewendet werden können.

 

Praxisorientierte Anwendung der Studieninhalte:

Data Science Projekt, Praxissemester und Domänenprojekt

Im 2. bis 4. Semester wird in jedem Semester ein Data Science Projekt durchgeführt.
Alle Themen (auch Mathematik, Statistik und Informatik) werden an Hand dieser Projekte vermittelt.
Zum Beispiel:

  • 2. Semester:  Ziel- und Kennzahlen-orientierte Steuerung in Unternehmen
  • 3. Semester:  Analyse von Markt- und Kundendaten
  • 4. Semester:  Analyse von Prozess- und Produktdaten
     

Im 5. Semester findet das Praxissemester im Unternehmen statt.
 

Im 6. und 7. Semester wird jeweils ein Domänenprojekt, in dem alle Themen des Studiums zusammengeführt werden, umgesetzt.

  • Umfangreiche, reale Aufgabenstellung von echten Unternehmenskunden
  • Bearbeitung durch Teams von Studierenden, die sich selbst organisieren
  • Schwerpunktsetzung durch Wahl angebotener Themengebiete und Anwendungsdomänen
  • Begleitendes Coaching durch Dozenten über die gesamte Projektdauer

 

Die Module im Einzelnen

5. Fachsemester - Hauptstudium

6. Fachsemester - Hauptstudium

7. Fachsemester - Hauptstudium

Was sind *CP (Credit Points)?

Credit Points (CP) sind Leistungspunkte, die nach dem für Europa einheitlichen ECTS-Standard "European Credit Transfer and Accumulation System" definiert sind. Ein CP entspricht einem Arbeitsaufwand von etwa 30 Stunden. Der Arbeitsaufwand je Modul verteilt sich dabei auf

  • Präsenzzeiten (Vorlesungen / betreute Übungen an der Hochschule) und
  • Selbststudium (Vor- und Nachbereitung der Präsenzveranstaltungen, eigenständige Übungen, Prüfungsvorbereitung)
Kontakt

Fakultät für Informatik und Wirtschaftsinformatik
Sekretariat im Fachgebiet Wirtschaftsinformatik
Wenke Deck und Miriam Semling
Gebäude E, Raum 109
Öffnungszeiten: Mo - Do 8.00 - 14.00 Uhr
und Fr 8.00 - 12.00 Uhr


Tel. +49(0)721 925-2966
Fax. +49(0)721 925-2965
E-Mail sekretariat.wi.iwispam prevention@hs-karlsruhe.de

Anfahrtsplan
Lage- und Gebäudeplan