Hier geht es zur Anmeldung für unsere online Infoveranstaltungen
Warum Master Data Science?
In immer mehr Bereichen werden Entscheidungen daten- und faktenbasiert getroffen: Seien es Algorithmen- und KI basierte automatisierte Abläufe, Entscheidungen im Business-Kontext oder Kaufentscheidungen im privaten Umfeld. Um Daten optimal nutzen zu können, ist das Verständnis der Logiken und der Stärken und Schwächen der verschiedenen Ansätze entscheidend. Und es geht auch darum, wann und wie bestimmte Daten verwendet werden dürfen oder sollten. Unser Master Data Science vermittelt genau dieses:
Ein tiefes Verständnis über die sinnvolle Generierung, Auswertung und Nutzung von Daten.
Warum an der LFH?
Wir haben mehr als 100 Jahre Erfahrung in der Ausbildung des Fach- und Führungskräftenachwuchses. Wir und auch unsere Partnerunternehmen stehen für Qualität, Know-How und Nachhaltigkeit. Das Wichtigste aber sind natürlich unsere Mitarbeitenden und Lehrenden, die mit viel Herzblut und Engagement unsere Studierenden betreuen. Und natürlich:
Studierende sind uns wichtig, wir kämpfen für euren Erfolg!
Wie finanzieren?
Der große Knackpunkt für viele ist die Finanzierung des Studiums. Wir haben unser Zeitmodell dahingehend optimiert, dass Studierende neben dem Studium problemlos einer geregelten und gut bezahlten Beschäftigung nachgehen können. Außerdem vergibt der Trägerverein, die Leibniz-Akademie e.V., Stipendien (über 25% und 50% der Studiengebühren). Also:
Ein LFH-Master ist eine Investition, die sich doppelt lohnt!
Was muss ich tun?
Diese Seite sorgfältig lesen
Checken, ob die Inhalte OK sind
Checken, welches Zeitmodell zum eigenen Leben passt
Kontakt aufnehmen und mit der LFH über die Finanzierung sprechen
die Bewerbung absenden
Und nicht vergessen:
Vorfreude ist die schönste Freude.
Studieninhalte
1. Semester
Einführung in Data Science (7 CP)
Grundlagen Data Science
Machine Learning I
Systeme und Netzwerke (7 CP)
Systemintegration
Netzwerkprotokolle
Verteilte Systeme
Mathematik (7 CP)
Lineare Algebra
Analysis
Numerische Mathematik
Ethik und Recht (6 CP)
IT-Recht und Case Studies
Ethik in Data Science (Seminar)
Digitalisierung und Automatisierung I (3 CP)
Systeme
2. Semester
Data Science und Analytics I (6 ECTS)
Business Intelligence
Visualisierung
Anwendungen Data Science I
Hochparallele Datenverarbeitung (6 CP)
NoSQL
High Performance Datenverarbeitung
Statistik (6 CP)
Statistik und Stochastik
Nichtlineare Regression
Projekt I (6 CP)
Wahlpflichtfach (3 CP)
Digitalisierung und Automatisierung II (3 CP)
Anwendung in der Wirtschaft
3. Semester
Data Science und Analytics II (6 CP)
Computergestützte statistische Analysen
Anwendungen Data Science II
Künstliche Intelligenz I (7 CP)
Optimierung
Machine Learning II
Anwendungen der Optimierung
Künstliche Intelligenz II (6 CP)
Deep Learning
Statistical Learning
Seminar Akt. Methoden Data Science
Projekt II (6 CP)
Wahlpflichtfach II (3 CP)
Kommunikation und Datenverarbeitung I (3 CP)
Digitale Signalverarbeitung
4. Semester
Data Science in der Cloud (6 CP)
Cloud Computing für Data Science
Anwendungen Data Science III
Kommunikation und Datenverarbeitung II (3 CP)
Field Communications
Master-Thesis & Kolloquium (20 CP)
Master-Thesis Bearbeitungszeit 3 Monate
Studienablauf
Innovatives flexibles Studienmodell mit Präsenzwochen und Online-Vorlesungen
Innovative Semesterstruktur: Beste Mischung Studium, Job und Friends & Family
Uns ist die Studienerfahrung in Präsenz wichtig: Daher planen wird pro Semester 2 Vollzeitwochen und 4 „halbe“ Vollzeitwochen (Donnerstag bis Samstags). Damit sind die Studierenden 1 x pro Monat vor Ort an der Expo Plaza. Hinzu kommen rund 10 Wochen, in denen bis zu zwei Termine von 16.30 bis 19.45 Uhr ONLINE unterrichtet wird. Ca. 10 Wochen pro Jahr sind gänzlich vorlesungsfrei.
Damit ist ein effizientes Studium gesichert, ein Job problemlos möglich und es bleibt Zeit für Familie, Freunde und Hobbies.
Studieren nach Wahl: Kompatibel mit Deinen Wünschen
Unsere Erfahrungen mit dualen Studiengängen zeigen: Es kommt auf den einzelnen Studierenden an. Daher kann der Master in 4, 5 oder 6 Semestern absolviert werden.
Die Studierenden können so den für sie und ihre Lebenssituation idealen Studienablauf wählen. Wir empfehlen, bei Wahl des 4 semestrigen Modells eine intensive Absprache mit dem Arbeitgeber und eine Reduktion der Arbeitszeit, falls Studierende nebenher noch einer Arbeit nachgehen.
Mit dem Aufruf des Videos erklärst Du Dich einverstanden, dass Deine Daten an YouTube übermittelt werden und das Du die Datenschutzerklärung gelesen hast.
Auf einen Blick
Abschluss
Master of Science, 120 ECTS
Studienbeginn
1. Oktober 2024
Studiendauer
Flexibel: 4 Semester / 5 Semester / 6 Semester
Studiengebühren
15.000 Euro für das ganze Studium, bei 4 Semestern 625 € pro Monat.
Stipendien
Die Leibniz-Akademie vergibt 25% und 50% Stipendien an besonders bedürftige bzw. besonders leistungsfähige Studierende!
Bitte reichen Sie Ihren formlosen Antrag zusammen mit der Bewerbung ein. Bitte erläutern Sie Ihre Gründe und fügen ihren Lebenslauf bei.
Finanzierung
Neben den klassischen Studienfinanzierungen (BAFöG, Kredite) unterstützen unsere Partnerunternehmen ihre Mitarbeiter häufig bei den Studiengebühren. Interessenten ohne Partnerfirma können sich gern an uns wenden, wir leiten Interessenten gerne an unsere Partner weiter.
Studienform
Bei 4 semestrigem Studium, pro Semester:
2 Vollzeitwochen, 4 "halbe" Vollzeitwochen sowie 10 Wochen mit bis zu 2 Online-Terminen (16.30-19.45 Uhr)
Sprache
Deutsch, z.T. Englisch
Zulassungsvorraussetzungen
Bachelor in Informatik, Wirtschaftsinformatik, IT-Security, Angewandter Informatik oder ähnlicher fachlich affiner Studiengänge.
Deutsch und Englischkenntnisse, jeweils auf B2-Level
Bewerbungsverfahren
Bitte senden Sie die vollständigen Unterlagen (Bachelor-Zeugnis, Motivationsschreiben, ggf. B2-Deutschnachweis) an studium@leibniz-fh.de
„Im Data Science Master fokussieren wir auf Datenerhebung, Datenverarbeitung und Datenauswertung – sowohl in Bezug auf praktische Anwendung als auch das theoretische Verständnis. Diese Fähigkeiten bilden die unverzichtbare Basis für fundierte Entscheidungen.“ Prof. Dr. Matthias Neumann-Brosig. Studiengangsleiter