Advanced Data Analytics (M.Sc.) - Berufsbegleitender Master Data Science

Datum 01.09.2024 bis 28.02.2026
Dauer 5 Semester
Unterrichtszeiten Blended Learning
Kosten k. A.
Zielgruppe Business Analysten mit einem wirtschaftswissenschaftlichen Studium, die sich ins Fachgebiet Data Science einarbeiten wollen, andererseits auch Fachkräfte mit Informatik-, Mathematik- oder Ingenieurstudium, die sich auf dem Fachgebiet Business Analytics weiterbilden möchten.
Bildungsart Studienangebot - weiterführend
Unterrichtsform E-Learning/ Blended Learning / Virtuelles Klassenzimmer
Voraussetzung erstes Hochschulstudium und ein Jahr Berufserfahrung
Abschluss Master of Science
Förderung Kosten für berufsbegleitende Studiengänge (Entgelte, Reise, Unterkunft) können steuerlich geltend gemacht werden. Weiterhin besteht die Möglichkeit, Bildungsurlaub zu beantragen.
Akademische Weiterbildung Dieser Kurs richtet sich speziell an Interessenten einer akademischen Weiterbildung.
Präsenzkurs Dieser Kurs findet ausschließlich als Anwesenheitsveranstaltung statt.
mind. Teilnehmerzahl k. A.
max. Teilnehmerzahl k. A.
URL des Kurses Details beim Anbieter
Anmelde URL des Kurses Direkte Anmeldung beim Anbieter
spezielles Angebot für Dozenten Keine Angabe.
Veranstaltungsort
 
Hochschule der Medien
Nobelstraße 10a
70569 Stuttgart

 

AbendkursBildungsgutscheinFörderfähig nach Fachkursprogramm des ESFBarierrefreier Zugang
JaNeink. A.k. A.

 

Beschreibung
Sie möchten wissen, wie Sie für Ihr Arbeitsumfeld noch mehr aus Daten herausholen können? Starten Sie jetzt Ihre Karriere im Bereich Data Science und lernen Sie die neuesten Methoden und Technologien kennen!

Im berufsbegleitenden Masterstudiengang Data Science an der HdM Stuttgart bilden wir Sie praxisnah weiter und geben Ihnen breite Einblicke in die Anwendungsfelder von Data Science.
Der Weiterbildungsmaster vermittelt Ihnen modernes Wissen, Vorgehensweisen und Tools in den Bereichen Datenanalyse, maschinelles Lernen, künstliche Intelligenz und Big Data. Sie lernen in Projekten, wie Sie Daten effektiv erfassen, verarbeiten, analysieren und modellieren können, um große Datenmengen gewinnbringend zu nutzen, komplexe Probleme zu lösen und eine datenbasierte Entscheidungsfindung zu unterstützen. In den Schwerpunkten Advanced Business Analytics, Advanced Data Analytics oder Applied Artificial Intelligence spezialisieren Sie sich dabei auf vielfältige zukünftige Herausforderungen im Job und bilden Ihr individuelles Profil aus!

Im Studienschwerpunkt "Advanced Data Analytics" steht die Integration, die Speicherung und die intelligente Nutzung von Daten im Fokus. Sie vertiefen dazu die Bereiche Daten-Architekturen, Machine Learning und Datenanalyse mit Python und SQL. Dabei lernen Sie, wie mit Hilfe moderner Technologien große Mengen an strukturierten und unstrukturierten Daten systematisch erfasst, bereinigt, analysiert und darauf aufbauend Machine Learning-Verfahren angewendet werden können. Durch die Umsetzung zahlreicher praxisorientierter Fallstudien erwerben Sie im Laufe Ihres Studiums die Fähigkeit, komplexe Datenanalyseprozesse für Use Cases im Unternehmen anzuwenden.

Studienkonzept:

Getreu dem Credo der Hochschule “Studieren. Wissen. Machen.” zeichnet sich das Studium durch eine hohe Anwendungsorientierung in den Studien- und Prüfungsleistungen aus und ermöglicht ein gewinnbringendes Studieren in Verbindung mit dem Beruf.

Das didaktische Studienkonzept ist im Blended-Learning-Format konzpiert. Dies bedeutet, dass in den Modulen des Studiums Präsenztage mit Selbststudienphasen kombiniert werden.

Im Data Science-Master wird dies so umgesetzt: Bis auf das letzte Semester (Thesis) umfasst jedes Semester drei Module, die zu belegen sind. Jedes hat eine Laufzeit von 8-10 Wochen. Die Module finden i.d.R. nacheinander statt. Jedes Einzelne kombiniert die folgenden drei Elemente:

1. Präsenztage am Campus der HdM Stuttgart:
- pro Modul: 2-3 Tage eingeplant (d.h. pro Semester max. 9 Präsenztage)
- vorwiegend am Freitag und/oder Samstag, 9 - 17 Uhr
- interaktive Erarbeitung von Themen, Best Practices, Lösungsansätzen und Projektergebnissen
- Terminierung vor Semesterbeginn

2. Mehrwöchige virtuelle Projekt-/Selbstlern-Phasen:
- pro Modul: 8-10 Wochen, vor oder zwischen den Präsenztagen
- flexible Lernzeiteinteilung
- eigenständige Vertiefung und Aufgabenbearbeitung
- Lernplattform Moodle (Materialien wie z.B. Literatur, Videos, Übungen), IT-Infrastruktur, Bibliothekszugriff, virtuelle Server
- Kommunikation und Feedback über Online-Tools (Webkonferenzen, Forum, Nachrichtenfunktion)

3. Anwendungsorientierte Projektarbeiten und Prüfungen:
- Prüfung direkt am Modulende
- keine Klausuren, sondern praxisnahe Projekte, Fallstudien und Präsentationen
- Einzel- und Gruppenleistungen
- Begleitung und Feedback durch Dozierende
- direkter Transfer und Mehrwert für den Job

Thesis: Bearbeitung eines praxis-/unternehmensbezogenen Themas auf akademisch-wissenschaftlichem Niveau, Begleitung durch Thesis Coaching

Das Studium ist an den offiziellen Semesterzeiten ausgerichtet.
Diese sind: Wintersemester: 01.09. - 28.02 bzw. Sommersemester: 01.03. - 31.08.

Semestertermine für das Wintersemester 24/25:

Das Masterstudium startet mit einem virtuellen Kickoff am Donnerstag, 11.09.2024 (16.00-17.30 Uhr). Danach schließen die Module des Semesters an.

Python for Data Science (Prof. Dr. Maucher)
• Präsenztermine: Donnerstag, 12.09. & Freitag, 13.09.2024 (9.00-17.00 Uhr)
• Präsenztermin: Samstag, 14.09.2024 (9.00-12.30 Uhr)
• Abgabe der Prüfungsleistung (kein Präsenztermin): Donnerstag, 07.11.2024

Data Analytics with Statistics (Prof. Dr. Kirenz)
• Präsenztermine: Freitag, 08.11. & Samstag, 09.11.2024 (9.00-17.00 Uhr)
• Präsenztermin: Donnerstag, 16.01.2025 (9.00-17.00 Uhr)
• Abgabe der Prüfungsleistung: Donnerstag, 16.01.2025

Introduction to Data Science & AI (Prof. Dr. Meth)
• Präsenztermine: Freitag, 17.01. & Samstag, 18.01.2025 (9.00-17.00 Uhr)
• Präsenztermin: Donnerstag, 13.03.2025 (9.00-17.00 Uhr)
• Abgabe der Prüfungsleistung: Donnerstag, 13.03.2025

 

Schlagworte
datenverarbeitung, datenbank, statistik, intelligenz, datenmuster, analyse, datennetze, prozessanalyse, datenanalyse, kuenstliche

 

Gelistet in folgenden Rubriken: