Das Curriculum im berufsbegleitenden Master Data Science mit dem Studienschwerpunkt "Advanced Data Analytics" bietet Ihnen ein thematisch umfassendes Angebot und die Möglichkeit, die Fächerwahl individuell passgenau zu gestalten. Ihr gesamter Studienverlauf umfasst sechs Pflichtmodule im ersten Studienjahr (Semester 1+2), drei vorgegebene und drei frei wählbare Vertiefungsmodule des Schwerpunkts im zweiten Studienjahr (Semester 3+4) sowie die Thesis im fünften Semester.

Pflichtmodule im ersten Studienjahr:

Im Verlauf des ersten Studienjahres erhalten Sie in sechs Pflichtmodulen das Fundament für Ihre Kompetenzen in Data Science. Diese Module belegen Sie - schwerpunktunabhängig - mit allen Kommiliton_innen gemeinsam.

• Introduction to Business Analytics
  Im Modul lernen Sie wichtige Business Intelligence Grundlagen kennen, mit deren Hilfe fundierte Geschäftsentscheidungen getroffen werden könnnen. Der Kurs vermittelt Ihnen das Verständnis für Business Intelligence Systeme und führt Sie Schritt für Schritt durch den Prozess der Erstellung eines analytischen Informationssystems. So lernen Sie anwendungsorientiert, wie man heterogene Daten extrahiert, in ein strukturiertes Format überführt, sie organisiert und schließlich effektiv analysiert.
• Introduction to Data Science & Artificial Intelligence
  Hier erfahren Sie, welche Arten von Machine Learning Modellen existieren, in welchen Fällen sie zum Einsatz kommen und wie diese mit Hilfe von Data Science-Software angewendet werden, um Muster in Daten zu erkennen. Anhand zahlreicher Übungen lernen Sie zudem alle relevanten Schritte des Data Science-Prozesses kennen, damit Sie auch mit komplexen Daten zurechtzukommen.
• Python for Data Science
  Python ist eine der am häufigsten verwendeten Programmiersprachen für Data Science, und das Modul gibt Ihnen eine anwendungsorientierte Einführung in diese leicht zu erlernende Skriptsprache. Sie erfahren, wie Sie Python nutzen können, um Daten zu bearbeiten und zu analysieren und wie Data Science-Arbeitsabläufe effizient durchgeführt und automatisiert werden können.

• Applied Data Engineering
  Damit Unternehmen auf der Grundlage von Daten fundierte Entscheidungen treffen können, ist eine geeignete Dateninfrastruktur, die zuverlässig alle erforderlichen Informationen bereitstellt, unerlässlich. Im Modul werden in diesem Zusammenhang wichtige Themen wie die Modellierung und Verteilung von Daten sowie Konzepte und Datenarchitekturen für eine nachhaltige Dateninfrastruktur auf betrieblicher Ebene behandelt.
• Data Analytics with Statistics
  Hier erlernen Sie anhand praxisorientierter Fallstudien, wie Sie richtige Schlüsse aus Daten ziehen können. Sie werden systematisch in die Datenerhebung eingeführt und lernen, wie Sie durch eine gezielte Datenexploration Muster und Zusammenhänge in Daten identifizieren können. Des Weiteren erhalten Sie eine Einführung in die statistische Modellierung und lernen dadurch, fundierte Schätzungen über Werte zu treffen, die bisher nicht bekannt sind.
• Data Governance, Ethics and Law
  Für die Arbeit mit Daten ist es von großer Bedeutung, alle wichtigen rechtlichen und ethischen Aspekte zu kennen und zu wissen, wie diese im Rahmen von Data Science-Projekten berücksichtigt werden müssen. Das Modul vermittelt Ihnen ein solides Wissen in diesen Bereichen und gibt Empfehlungen zur Umsetzung von Maßnahmen zur Wahrung dieser Rechte.

Vertiefungsmodule im zweiten Studienjahr:

Für das zweite Studienjahr haben wir Ihnen drei verpflichtende Vertiefungsmodule im Schwerpunkt zusammengestellt, in denen Sie im Bereich Data Analytics Ihre Kompetenzen vertiefen. Darüber hinaus können Sie weitere drei, frei wählbare Vertiefungsmodule belegen. 

Als verpflichtende Vertiefungsmodule im Schwerpunkt belegen Sie:

• Data Warehouse Workshop
  Die zuverlässige Integration und systematische Organisation von Daten sind von entscheidender Bedeutung für eine erfolgreiche Datenbewirtschaftung. In diesem Modul lernen Sie, wie unterschiedliche Datenstrukturen in ein modernes Data Warehouse integriert werden. Anhand der SAP Data Warehouse Cloud wird dabei praktisch veranschaulicht, wie Daten aus einem oder mehreren Quellsystemen über verschiedene Integrationsebenen bis hin zu Endanwendern gelangen.
• BI- and Big-Data-Architectures
  Ein einheitlicher Ansatz im Datenmanagement hilft Ihnen, effizienter zu arbeiten und Machine Learning-Lösungen schneller entwickeln zu können. Im Modul wird gezeigt, wie eine Integration heterogener Daten in einer Cloud-Architektur gelingen kann. In einer Google-Cloud-Infrastruktur werden die zentralen Komponenten einer modernen Datenarchitektur dargestellt und in Fallbeispielen genutzt.
• Supervised and Unsupervised Learning
  Das Modul vermittelt Ihnen umfassendes Wissen über den Einsatz von Algorithmen für das Maschinelle Lernen. Dabei werden sowohl klassische Verfahren des Machine Learnings als auch moderne Deep Learning-Verfahren für die Objekterkennung, Textklassifikation und semantische Analyse behandelt. Sie lernen zudem, wie Sie die notwendigen Voraussetzungen schaffen, um Machine Learning erfolgreich in betrieblichen Anwendungen einzusetzen.

Aus dem folgenden Wahlangebot können Sie weiterhin insgesamt drei Vertiefungsmodule belegen:

• Wahlbereich I: Self-Service Business Intelligence oder Reinforcement Learning
• Wahlbereich II: MLOps oder Web Technologies and Analytics
• Wahlbereich III: Business Analytics Models oder Natural Language Processing & Generative AI
• Wahlbereich Projekt: ein Projektmodul aus dem Bereich Data Analytics
• Weiterer Wahlbereich: bis zu zwei Module aus dem Modulangebot des berufsbegleitenden MBA Business Management (z.B. Module wie Leadership, Finance, Strategic Management, Digitale Technologien & Trends, Innovation & Business Model Generation, Entrepreneurship, Verhandlungsmanagement, Change Management & Organizational Development. Mehr dazu im Modulhandbuch).

Thesis:

In der abschließenden Thesis erarbeiten Sie ein praxis-/unternehmensbezogenes Thema auf akademisch-wissenschaftlichem Niveau. Dabei begleitet Sie Ihr Betreuerteam in einem Thesis Coaching. Auch hier steht der Anwendungsbezug im Fokus, sodass daraus ein direkter Mehrwert für Ihren beruflichen Kontext entsteht.

Weitere Informationen zum Studiengang

Hier erfahren Sie mehr zum Studium, Studienkonzept, Voraussetzungen und Bewerbung:

>> zur Hauptseite des berufsbegleitenden Masterstudiengang Data Science (M.Sc.)

Als Absolvent_in des Masters Data Science der HdM Stuttgart mit dem Schwerpunkt Advanced Data Analytics können Sie moderne Technologien aus Data Science und Machine Learning einsetzen, um Daten besser zu nutzen und Prozesse zu verbessern und datenbasiert zu unterstützen.

Sie sind in der Lage,

• strukturierte und unstrukturierte Daten mit Hilfe unterschiedlicher Technologien zu erfassen, zu bereinigen, zu transformieren und zu analysieren
• Machine Learning-Verfahren für unterschiedliche Use Cases einzusetzen.
• Big Data-Architekturen zu entwerfen und zu implementieren.
• Python und SQL zu verwenden, um Daten zu bearbeiten und zu analysieren.
• Projekte mit Bezug zu Data Science- und Big Data-Fragestellungen zu planen, umzusetzen und deren Nutzen für das Unternehmen zu bewerten.