Der berufsbegleitende Masterstudiengang Data Science startet zum WiSe 2015/16.
Informieren Sie sich hier über den M.Sc. Data Science und werden Sie einer der ersten Data Scientists mit Masterabschluss im deutschsprachigen Raum.

Der Ablauf data-science-studieren_DEdes Studiums

Die Regelstudienzeit des Masterstudiengangs Data Science beträgt 6 Semester in Teilzeit, in der sich in regelmäßigem Turnus Online-Selbstlernphasen und Präsenzphasen abwechseln.
Dabei liegt der Online-Anteil in Abhängigkeit vom jeweiligen Modul bei etwa 80 %.

Die Module des Studiengang Data Science

Der Studiengang Data Science besteht aus 16 Modulen die in 3 Richtungen Business Information, Data Analytics und Data Management eingeteilt werden. Jedes Modul schließt mit einer schriftlichen Prüfung oder einem äquivalenten Leistungsnachweis ab. Für den Erwerb des Titel Master of Science mit dem Zusatz Data Science müssen Sie 120 ECTS-Leistungspunkte erwerben.

Modulübersicht

In der Modulübersicht können Sie sich einen Überblick über die Inhalte im Studienverlauf informieren.

Modulübersicht 1. Semester
Modul 10100 | Programming for Data Science
Modul 10200 | Mathematical Foundations for Data Science
Modul 10300 | Datamining
Modul 10400 | Business Intelligence & Warehouse
Modulübersicht 2. Semester
Modul 20100 | Data Bases für Big Data
Modul 20200 | Web Data Integration
Modul 20300 | Large Scale Data Analysis & Parallelization
Modul 20400 | Decision Support
Modulübersicht 3. Semester
Modul 30100 | Optimization Techniques for Data Analysis
Modul 30200 | Machine Learning
Modul 30300 | Textmining
Modul 30400 | Business Process and Big Data Use Cases
Modulübersicht 4. Semester
Modul 40100 | Kompaktseminar (Summerschool)
Modul 40200 | Praktikum
Modulübersicht 5. Semester
Modul 50100 | In-Memory Databases
Modul 50200 | Webmining
Modul 50300 | Sematic Web Technologies
Modul 50400 | Data Privacy & Data Compliance
Modulübersicht 6. Semester
Modul 61000 | Master Thesis

Sie finden das Modulhandbuch in den Dokumenten.

Studienkonzept

Durch langjährige erfolgreiche Erfahrungen im Bereich der wissenschaftlichen Weiterbildung bietet die Hochschule Albstadt-Sigmaringen ein erprobtes und flexibles Blended Learning-Konzeptan, das aus Selbstlernphasen, E-Learning und Präsenzphasen besteht und sich gleichermaßen für Berufstätige als auch Fernstudiuminteressierte bewährt hat.
Das Blended Learning-Konzept an der Hochschule Albstadt-Sigmaringen
Das bewährte Blended Learning-Konzept im berufsbegleitenden Masterstudiengang Data Science besteht aus den Schlüsselkomponenten Selbststudium und Präsenzlehre. Das Gesamtkonzept hat zum Ziel, den Studierenden ein Höchstmaß an örtlicher sowie zeitlicher Flexibilität zu bieten, sodass Beruf und Studium miteinander vereinbar werden. Einen Großteil des Lernstoffes erarbeiten die Studierenden im Selbststudium, welches durch Präsenzphasen ergänzt wird.
Lehr- und Lernmethoden
Studieninhalte im M.Sc. Data Science sind in Modulen organisiert.
10 Module werden im Standard Blended Learning durchgeführt. Pro Modul erhalten Sie vier bis fünfStudienbriefe, die jeweils ein eigenes relevantes Thema innerhalb des übergeordneten Moduls behandeln. Da die Studienbriefe inhaltlich aufeinander aufbauen, sind diese in chronologischer Reihenfolge zu bearbeiten. Ergänzende Online-Elemente und E-Learning-Modulevervollständigen die in den Studienbriefen vermittelten Inhalte bzw. knüpfen nahtlos an diese an. Komplettiert wird das Blended Learning-Konzept durch eine Präsenzphase zu Beginn eines Modul.
In 6 Modulen wird das Konzept des “Inverted Classroom” verfolgt. Hier erhalten Sie ein hochwertiges Fachbuch das sich mit der Thematik des Moduls beschäftigt. Dazu wird Ihnen anstelle der Studienbriefe ein Reading Guide bereitgestellt mit dessen Hilfe Sie sich den Inhalt des Fachbuches erarbeiten. Die Erarbeitung erfolgt im Selbststudium, den Online-Elementen und E-Learning-Modulen. Unterstützt werden Sie dabei auch mit Online-Videos die für das Training speziell erstellt wurden und in der Online-Plattform bereitgestellt werden. 
Die Präsenzphase erfolgt hier zum Ende eines jeden Modul.
Selbststudium (Selbstlernphase)
In Selbstlernphasen werden im M.Sc. Data Science etwa 80 Prozent des Lernstoffes erarbeitet. Über hochwertige, didaktisch-methodisch aufbereitete Studienbriefe oder Reading Guides, die Sie bequem per Post erhalten, eignen Sie sich den Großteil des Stoffes an. Ergänzende Online-Tools komplettieren die Selbstlernphasen. Ihr Lerntempo, Ihre Stoffeinteilung sowie den Ort, an dem Sie lernen, bestimmen Sie in der Selbstlernphase selbst.
Über die Lernplattform ILIAS werden Ihnen diese Online-Elemente zur Verfügung gestellt. Diese Plattform bietet Ihnen neben didaktisch aufbereiteten Online-Lerninhalten zahlreiche Möglichkeiten zur Vertiefung des Lernstoffes sowie zur Kommunikation mit anderen Studierenden Ihres Studiengangs, zum Beispiel per Forum, Chat, E-Mail oder auch Webkonferenz mit Webcam und Headset.
In moderierten, webbasierten Online-Seminaren (“virtuelles Klassenzimmer”) werden Ihnen darüber hinaus zusätzliche Inhalte vermittelt. Über die spezielle Software können Sie direkt mit anderen Studierenden, Professoren und Tutoren kommunizieren und zusammenarbeiten. Zur leichteren Vereinbarung von Beruf und Studium finden diese Online-Seminare in den Abendstunden statt.
Grundlegender Bestandteil des Blended Learning-Konzepts für den Masterstudiengang Data Science ist eine intensive Betreuung jedes Studierenden durch Teletutoren. Für die Kontaktaufnahme stehen Ihnen verschiedene Möglichkeiten zur Verfügung, beispielsweise Webkonferenzen, Foren, Chat oder E-Mail. Selbstverständlich sind Ihre Dozenten und Tutoren nach Absprache auch telefonisch oder vor Ort für Sie erreichbar.
Präsenzlehre (Präsenzphase)
Durch Präsenzveranstaltungen wird das Selbststudium ergänzt. Für jede etwa vier- bis sechswöchige Selbstlernphase können Sie mit einer Präsenzphase rechnen. Die Präsenzveranstaltungen werden als Präsenzwochenenden organisiert, damit Sie nicht zu häufig anreisen müssen.
Die Präsenzphasen vervollständigen Ihre im Selbststudium erworbenen Kenntnisse und Kompetenzen durch Vorlesungen und Übungen.
Summer School
In dieser zweiwöchigen Präsenzveranstaltung lernen Sie unter Anleitung von Experten Werkzeuge und Methoden zur Analyse kennen und wie Sie diese im Unternehmensumfeld einsetzten. Die Veranstaltung findet zusammen mit grundständig Studierenden statt.
Pratical Training
Eine Besonderheit des Studiengang ist der Praxisteil im 4. Semester. In diesem Teil sollen im Zuge einer Seminararbeit ein Projekt mit einem LOI-Partner oder dem jeweiligen Arbeitgeber durchgeführt werden (auch eine theoretische Arbeit ist möglich). Hier sollen Sie in einem Praxisteil das bisher Erlernte innerhalb eines Projektes zielorientiert anwenden. Unterstützt werden Sie hierbei von Experten sowohl aus der Lehre als auch aus den Unternehmen.
Die Projektarbeit sollte einen Gesamtaufwand von ca. 160 Stunden betragen und wird zumAbschluß einem Expertengremium präsentiert. Der zu Verfügung stehende Zeitraum in dem diese Projektarbeit durchgeführt werden soll beträgt 20 Wochen (Workload von 8h/Woche).
Während dieser Projektarbeit sind keine Präsenzphasen für Lehrveranstaltungen eingeplant.
Enge Verzahnung mit Unternehmen, Behörden und Verbänden
Durch enge Partnerschaften mit Unternehmen, Behörden und Verbänden und eine fortlaufende Evaluation wird sichergestellt, dass hochqualitative Inhalte kontinuierlich auf einem aktuellen und praxisrelevanten Stand angeboten werden können. Mit Abschluss des Studiums wird der akademische Grad Master of Science verliehen, der weiterhin zur Promotion berechtigt. Erfolgreiche Absolventen des Studienganges Data Science haben aktuell hervorragende Perspektiven auf dem Arbeitsmarkt im Big Data-Bereich bei öffentlichen wie privaten Institutionen.
0 replies

Leave a Reply

Want to join the discussion?
Feel free to contribute!

Leave a Reply

Your email address will not be published. Required fields are marked *