Das Curriculum im berufsbegleitenden Master Data Science mit dem Studienschwerpunkt "Applied Artificial Intelligence" 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 Machine Learning Ihre Kompetenzen vertiefen. Darüber hinaus können Sie weitere drei, frei wählbare Vertiefungsmodule belegen. 

Als verpflichtende Vertiefungsmodule im Schwerpunkt belegen Sie:

• 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.
• Machine Learning Operations (MLOps)
  Dies ist eine funktionsübergreifende Disziplin, die sich auf die Bereitstellung, Prüfung, Überwachung und Automatisierung von Machine Learning-Modellen konzentriert. Im Modul “MLOps” lernen Sie, wie mit Hilfe unterschiedlicher Technologien schneller wertvolle Informationen und Erkenntnisse aus ihren Daten gewonnen werden können. Sie erfahren darüber hinaus, welche Governance-Aspekte durch MLOps betroffen sind und wie die Qualitätssicherung von betrieblich genutzten Machine Learning-Modellen sichergestellt werden kann.
• Reinforcement Learning
  Dieses Verfahren kann dazu beitragen, betriebliche Prozesse und Abläufe zu verbessern, die Effizienz zu steigern und bessere Entscheidungen zu treffen. In dem Modul lernen Sie die zentralen Grundlagen dieses Machine Learning Verfahrens kennen und erfahren, wie dieses in zahlreichen Anwendungsfeldern der betrieblichen Entscheidungsfindung genutzt werden kann.

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

• Wahlbereich I: Business Planning and Prediction oder Data Warehouse Workshop
• Wahlbereich II: Business Analytics Models oder Natural Language Processing & Generative AI
• Wahlbereich III: BI and Big Data Architectures oder AI Lab
• Wahlbereich Projekt: ein Projektmodul aus dem Bereich KI
• 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 Applied Artificial Intelligence können Sie mit Ihren Fach- und Methodenkenntnisse aus dem Bereich Data Science und Machine Learning zukünftig die automatisierte Analyse und das maschinelle Lernen aus Daten und Erfahrungen in Ihrem Bereich voranbringen.

Sie sind in der Lage,

• Anwendungsszenarien für das Maschinelle Lernen in Unternehmen zu identifizieren und zu bewerten
• notwendige Daten für das ausgewogene Training von KI-Modellen auszuwählen und bei Bedarf selbst zu erzeugen.
• geeignete Methoden des maschinellen Lernens (z.B. Deep Learning Architekturen) auszuwählen und das Training entsprechender KI-Modelle und Agenten auf der Basis gängiger Frameworks wie TensorFlow, PyTorch, und Stable Baselines durchzuführen.
• KI-basierte Lösungen zu entwickeln und zu testen sowie die Qualität von KI-Modellen und Agenten sowie deren Risiko zu bewerten.
• die notwendigen Voraussetzungen für ein kontinuierliches Training, Monitoring und den Betrieb von KI-Modellen und Agenten in produktiven Anwendungen zu schaffen.