Wernigerode: Data Science (M.Sc.)

Übersicht

Der Master-Studiengang Data Science an der Hochschule Harz vermittelt vertiefte Kenntnisse in der Analyse und Auswertung großer Datenmengen. Der Studiengang richtet sich an Studierende, die datenbasierte Herausforderungen in verschiedenen Branchen bewältigen möchten, insbesondere im Bereich Finanzen, Versicherungen sowie Industrie 4.0. Ziel ist es, die Studierenden in die Lage zu versetzen, datengetriebene Entscheidungen zu treffen, Geschäftsprozesse zu optimieren und Automatisierungslösungen zu entwickeln. Der Studiengang legt zudem einen Schwerpunkt auf die Einbindung ethischer, rechtlicher und organisatorischer Aspekte, insbesondere im Kontext des Change Managements.

Studieninhalte und Studienorganisation

Der Studiengang umfasst eine Regelstudienzeit von drei Semestern in der Vollzeitvariante und fünf Semestern bei berufsbegleitender Gestaltung. Die Lehrveranstaltungen finden in deutscher Sprache statt. Studierende haben die Wahl zwischen zwei Vertiefungsrichtungen: „Versicherungs- und Finanzmanagement“ sowie „Industrie 4.0“. Der Studienaufbau gliedert sich in Theoriemodule und Praxisphasen.

Wichtige Inhalte:

• Mathematische Methoden
• Machine Learning
• Deep Learning
• Datenschutz
• Ethik
• Wissenschaftliches Projektmanagement
• Analyse von Finanz- und technischen Daten
• Softwareentwicklung
• Umgang mit modernster Laborausstattung

Die Hochschule Harz bietet moderne Labore und Software-Tools an, um eine praxisnahe Ausbildung zu gewährleisten. Das Studium ist so konzipiert, dass es sowohl zum Sommer- als auch zum Wintersemester begonnen werden kann. Neben den fachlichen Inhalten werden auch Kompetenzen im Change Management vermittelt.

Berufliche Perspektiven

Absolventinnen und Absolventen des Master-Studiengangs Data Science sind in der Lage, in vielfältigen Berufsfeldern tätig zu werden. Die Ausbildung befähigt die Absolventinnen und Absolventen, in interdisziplinären Teams zu arbeiten und innovative Lösungen für komplexe Datenprobleme zu entwickeln.

Typische Einsatzbereiche:

• Datenanalyse
• Entwicklung von Algorithmen
• Machine Learning
• Künstliche Intelligenz
• Finanz- und Versicherungsbranche
• Industrie 4.0