Übersicht

Der Studiengang "Data Science (B.Sc.)" an der KU Eichstätt-Ingolstadt vermittelt die Grundlagen der Datenanalyse, des maschinellen Lernens und der Softwareentwicklung. Das Studium kombiniert Fachbereiche wie Mathematik, Statistik und Informatik und bereitet die Studierenden auf die Anwendung datenbasierter Verfahren in wissenschaftlichen und industriellen Kontexten vor. Die Unterrichtssprache ist Englisch.

Studieninhalte und Studienorganisation

Der Studiengang gliedert sich in Pflicht-, Spezialisierungs- und Wahlpflichtbereiche. Im Pflichtbereich werden grundlegende Kenntnisse in Data Science, Mathematik, Statistik und Informatik vermittelt, ergänzt durch ein Industrie- oder Forschungspraktikum. Der Spezialisierungsbereich ermöglicht eine individuelle Fokussierung auf Themen wie Applied Mathematics, Business Analytics, Umweltwissenschaften oder Machine Learning. Der Wahlpflichtbereich erweitert das Studienspektrum durch zusätzliche Module und Kompetenzen. Das Studium umfasst 6 Semester und schließt mit dem Bachelor of Science ab.

Wichtige Inhalte:

• Data Science: Data Lab, Ethik der Algorithmen, Grundlagen des Data Science, maschinelles Lernen, praktische Anwendungen
• Mathematik: Analysis, Lineare Algebra, Optimierung
• Statistik: Einführung in Statistik, Stochastik, statistisches Lernen
• Informatik: Programmierung, Algorithmen, Informationssysteme
• Interdisziplinäre Module und Praxisphasen

Mehr Infos zum Studiengang findest du unter "Infos und Bewerbung".

Berufliche Perspektiven

Absolventinnen und Absolventen des Studiengangs Data Science können in verschiedenen Berufsfeldern tätig werden, in denen die Analyse und Verarbeitung großer Datenmengen im Mittelpunkt stehen. Sie sind qualifiziert, komplexe Datenprobleme zu lösen und datenbasierte Entscheidungen zu treffen.

Typische Einsatzbereiche:

• Datenanalyse und Data Analytics
• Machine Learning und Künstliche Intelligenz
• Wetter- und Klimaforschung
• Finanz- und Wirtschaftsanalysen
• Umwelt- und Nachhaltigkeitsforschung
• Operations Research und Prozessoptimierung