Data Analytics Track -Trackbeschreibung- Berlin, 28. Juni 2013 (Version SS13-R1) Seite 1/15 Fakultät IV Zusammenfassung: Der Data Analytics Track bietet überdurchschnittlichen Studierenden der Studiengänge Informatik, Technische Informatik und Wirtschaftsinformatik die Möglichkeit die Zusatzqualifikation Datenanalyst im Rahmen ihres regulären Masterstudiums zu erwerben. Diese Zusatzqualifikation wird durch ein Zertifikat, welches die Fakultät IV verleiht, bestätigt und bescheinigt umfangreiches Fachwissen in den Bereichen der Datenanalyse und skalierbarem Datenmanagements, sowie die Fähigkeit dieses Wissen auf praktische Probleme anwenden zu können. Ein umfangreiches Modulangebot auf Englisch stellt sicher, dass auch Studierende ohne Deutschkenntnisse dem Track folgen können und richtet sich daher explizit auch an internationale Studierende. In diesem Dokument werden die Qualifikationsziele des Tracks, Details zum Studienverlauf, sowie eine kurze Übersicht möglicher Berufsbilder aufgezeigt. Inhalt Zielsetzung und Motivation......................................................................................................................... 2 Hintergrund ............................................................................................................................................. 2 Beschäftigungsmöglichkeiten.................................................................................................................. 2 Trackgestaltung ....................................................................................................................................... 3 Qualifikations- und Kompetenzziele ........................................................................................................... 3 Anforderungen ............................................................................................................................................ 4 Konzept........................................................................................................................................................ 4 Umfang und Gliederung des Tracks ........................................................................................................ 4 Mentorenprogramm ............................................................................................................................... 5 Qualitätsmangement................................................................................................................................... 5 Aktualisierung des Data Analytics Track Curriculums ............................................................................. 5 Auflösung des Tracks ............................................................................................................................... 5 Studienverlaufspläne................................................................................................................................... 6 Master Informatik (Ausrichtung Statistik und Ökonometrie) ................................................................. 6 Master Informatik (Schwerpunkt Mathematik) ...................................................................................... 7 Master Technische Informatik................................................................................................................. 8 Master Wirtschaftsinformatik ................................................................................................................. 9 Anrechenbare Kurse .................................................................................................................................. 10 Fragen und Antworten .............................................................................................................................. 15 Was ist ein Track? .................................................................................................................................. 15 Wer kann den Track belegen? ............................................................................................................... 15 Verlängert sich das Studium durch das belegen des Tracks?................................................................ 15
15
Embed
Data Analytics Track - eecs.tu-berlin.de€¦ · Data Analytics Track -Trackbeschreibung-Berlin, 28. Juni 2013 (Version SS13-R1) Seite 1/15 Fakultät IV Zusammenfassung: Der Data
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 1/15 Fakultät IV
Zusammenfassung:
Der Data Analytics Track bietet überdurchschnittlichen Studierenden der Studiengänge Informatik,
Technische Informatik und Wirtschaftsinformatik die Möglichkeit die Zusatzqualifikation Datenanalyst im
Rahmen ihres regulären Masterstudiums zu erwerben. Diese Zusatzqualifikation wird durch ein Zertifikat,
welches die Fakultät IV verleiht, bestätigt und bescheinigt umfangreiches Fachwissen in den Bereichen
der Datenanalyse und skalierbarem Datenmanagements, sowie die Fähigkeit dieses Wissen auf
praktische Probleme anwenden zu können.
Ein umfangreiches Modulangebot auf Englisch stellt sicher, dass auch Studierende ohne
Deutschkenntnisse dem Track folgen können und richtet sich daher explizit auch an internationale
Studierende.
In diesem Dokument werden die Qualifikationsziele des Tracks, Details zum Studienverlauf, sowie eine
Anrechenbare Kurse .................................................................................................................................. 10
Fragen und Antworten .............................................................................................................................. 15
Was ist ein Track? .................................................................................................................................. 15
Wer kann den Track belegen? ............................................................................................................... 15
Verlängert sich das Studium durch das belegen des Tracks?................................................................ 15
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 2/15 Fakultät IV
Zielsetzung und Motivation
Hintergrund Die zunehmende Vernetzung im Internet der Dinge und Dienste, komplexe Simulationsmodelle sowie die
Verwendung von fortgeschrittener Sensorik führen zu einer immer größeren Verfügbarkeit von Daten,
welche zur Analyse und Entscheidungsunterstützung in Wissenschaft, Wirtschaft und Gesellschaft
herangezogen werden können. Im Bereich der Wirtschaft stellen beispielswiese Daten von
Transaktionen und Benutzerinteraktionen eine wichtige Ressource dar, um Entscheidern eine fundierte
Grundlage für taktische und strategische Unternehmensentscheidungen zu geben. Daten aus dem
Internet, Simulationen, sowie Sensordaten können zudem als wichtige Grundlage dienen, um Prozesse
in der Gesellschaft besser zu verstehen, moderne gesellschaftliche Herausforderungen zu meistern,
sowie, um die Lebensqualität nachhaltig zu verbessern (z.B. user-generated content den digital
humanities). Maschinen-Machinen-Kommunikation und wissenschaftliche Experimente (z.B., in der
Astronomie, Physik, Gensequenzierung oder Sensordaten in den Geowissenschaften, Materialforschung
erzeugen Daten von bisher unbekanntem Ausmaß und mit immer größeren Anforderungen, diese Daten
zu verwenden, um schneller neue Erkenntnisse zu gewinnen.
Dieser Trend wird derzeit durch die Schlagwörter „big data“ und „data science“ popularisiert. McKinsey1
erwartet, dass dieser Trend sowohl Wissenschaft als auch Wirtschaft nachhaltig verändern wird. In
diesem Kontext werden Datenanalysemethoden immer komplexer und erfordern die Anwendung von
komplexen Algorithmen des maschinellen Lernens, Data Mining, Text Mining und Graph Mining auf
großen Datenmengen. Dabei werden große Vorhersagemodelle und Simulationen entwickelt, welche
eine Vielzahl von heterogenen Datenquellen und –typen integrieren.
Der Data Analytics Tracks an der TU Berlin vermittelt Kenntnisse und Kompetenzen in den Bereichen der Datenanalyse sowie der skalierbaren Datenverarbeitung und wendet diese in ausgewählten Anwendungsgebieten an, um Studierende optimal auf diese neue Berufsbild des Datenanalysten vorzubereiten.
Beschäftigungsmöglichkeiten Studierende die dem Data Analytics Track folgen erwerben grundlegende Kenntnisse in den Bereichen
Datenanalyse und skalierbarem Datenmanagement. Dieses qualifiziert sie für ein weites Feld an
Beschäftigungsmöglichkeiten in Wirtschaft und Wissenschaft und bietet ihnen während ihres ganzen
Berufslebens eine nützliche Grundlage. Darüber hinaus sorgt der Bereich Anwendungen im Track dafür,
dass sie die Grundlagenqualifikationen für ein Anwendungsfeld praktisch umsetzen und somit optimal
auf einen Berufseinstig in dieser Anwendungsdomäne vorbereitet sind. Für Studierend die sich zu
Beginn ihres Masterstudiums noch nicht sicher sind, im welchen Anwendungsfeld sie tätig werden
möchten bietet der Track die Möglichkeit verschiedene Anwendungsfelder kennen zu lernen und erst
während der Masterarbeit die konkrete Vorbereitung auf ein Anwendungsfeld zu erhalten.
Masterarbeiten in einem Unternehmen, das im Bereich skalierbaren Datenanalyse tätig ist anzufertigen,
wird von den Professorinnen2 des Labs ausdrücklich begrüßt. Hierzu sollte nach Möglichkeit ein
Semester vor Beginn der Masterarbeit mit einer Professorin des Labs Rücksprache gehalten werden.
Unabhängig vom Studiengang können Studierende große Datenmengen analysieren, und damit je nach
Schwerpunkt in Entscheidungsunterstützenden Tätigkeiten in Wirtschaft oder Wissenschaft arbeiten.
1 McKinsey Global Institute: Big data: The next frontier for innovation, competition, and productivity.
gy%20and%20Innovation/Big%20Data/MGI_big_data_full_report.ashx, 2012, last accessed Apr 20, 2013.
2 Aus Gründen der sprachlichen Vereinfachung wird im folgenden Text die weibliche Form gewählt.
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 3/15 Fakultät IV
Beispiele für derartige Tätigkeiten sind Optimierung von Unternehmensfunktionen (z.B. Logistik,
Produktionsplanung, Produktionssteuerung, Marktforschung), das Beantworten von gesellschaftlichen
und politischen Fragestellungen (z.B. Energieplanung, Verkehrsplanung, Wasserwirtschaft) sowie im
wissenschaftlichen Bereich (Auswertung von Experimenten, Durchführung von Simulationen).
Trackgestaltung
Durch den einzurichtenden Track Data Analytics Track soll Studierenden, die eine Tätigkeit im Bereich Data Analytics anstreben, bei der Wahl der geeigneten Module helfen. Dazu stellt der Track eine Liste mit für Datenanalysten relevanten Modulen sowie vier verschiedenen Studienverlaufsplänen bereit. Die Studienverlaufspläne ermöglichen es den Track in englischer Sprache zu absolvieren. Diese Zusatzqualifikationen werden nach erfolgreichem Beenden des Data Analytics Tracks durch ein Zertifikat bestätigt.
Qualifikations- und Kompetenzziele Der Data Analytics Track soll die Studierenden mit Fähigkeiten für datengetriebene
Entscheidungsfindung auszustatten, dazu zählt Methodenkompetenz, um aus heterogenen Datensätzen
beliebiger Größe Erkenntnisse zu gewinnen und Anwendungskompetenz, um die erlernten Methodikern
für reale Forschungs- und Geschäftsszenarien umsetzen zu können.
Die Studierenden, erwerben folgende Kompetenzen, wie sie für das Berufsbild eines Datenanalysten
(engl. Data Scientist/ Data Analyst/ Data Engineer) erforderlich sind.3
Wissen über die Anwendung spezifischer Methoden des Maschinellen Lernens (Klassifikation, Regression, Dimensionsreduktion, Clustering)
Anwendung, Anpassung und Weiterentwicklung dieser Methoden auf praktische Probleme
Funktionsweisen von relationalen Datenbanken
Implementierung von effizienten Algorithmen zum Datenzugriff auf massiv parallel Datenverarbeitungssystem
3 Siehe hierzu auch Beschäftigungsmöglichkeiten (Seite 2).
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 4/15 Fakultät IV
Anforderungen
Studierende die diesem Track folgen müssen in einem der folgenden Masterstudiengänge der Technischen Universität Berlin eingeschrieben sein:
a) Informatik b) Technische Informatik c) Wirtschaftsinformatik
Insbesondere wird erwartet, dass…
… gute Englischkenntnisse vorhanden sind, um Lehrveranstaltung auf Englisch folgen zu können.
… Programmiererfahrung mit funktionalen und objektorientierten Sprachen vorhanden ist.
… Grundkenntnisse zu Datenbankmanagementsystemen sowohl im Hinblick auf Verarbeitung von Daten (DML) sowie Schemainformation (DDL) vorliegen.
… mathematisches Grundlagenwissen aus den Bereichen linearer Algebra und Grundkenntnisse in Analysis abrufbar sind.
Darüber hinaus ist die Fähigkeit etwaige fehlende Vorkenntnisse im Selbststudium zu erarbeiten zwingend erforderlich. Ein formaler Nachweis dieser Fähigkeiten ist nicht erforderlich.
Konzept
Umfang und Gliederung des Tracks Um das Trackzertifikat zu erhalten sind 78ECTS aus den im Track empfohlen Modulen zu wählen. Diese
Gliedern sich wie folgt
1. Datenanalyse4 ( 18ECTS)
2. Skalierbare Datenverarbeitung ( 12ECTS)
3. Anwendungen ( 6ECTS)
4. ein Projekt (9ECTS)
5. ein Seminar (3ECTS) und
6. die Masterarbeit (30ECTS).
Zusätzlich sind folgende Lehrveranstaltungen verpflichtend:
Im Bereich Datenanalyse ist entweder das Modul (#61789) Maschinelles Lernen oder das Modul
(#60585) Maschinelle Intelligenz zu belegen.
Im Bereich Skalierbare Datenverarbeitung sind das Modul (#60927/#60795) Implementierung von
Datenbanksystemen wahlweise mit oder ohne Lab zu wählen
Die übrigen Module müssen aus dem Wahlbereichen siehe Anlage 1 gewählt werden. Die ECTS die in
den Pflichtmodulen erworben werden zählen für die Kataloge der Bereiche nicht aber die ECTS des
Seminar oder Projekts. Beispielsweise erfüllt das Modul Maschinelles Lernen mit 9 ECTS bereits die
Hälfte der erforderlichen Punkte aus dem Bereich Datenanalyse. Es müssen lediglich 9 weitere
Leistungspunkte aus dem Bereich belegt werden.
Die Masterarbeit muss von einer Professorin des Labs betreut werden und einen deutlicher Bezug zum
Themenfeld Data Analytics haben.
4 Zu beachten ist, dass Data Analytics über Datenanalyse (Data Analyses) hinausgeht. Analyse
beschreibt die systematische Untersuchung eines Objekts und Analysis beinhaltet darüber hinaus, dass Schlussfolgerungen aus diesen Analysen gezogen werden.
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 5/15 Fakultät IV
Mentorenprogramm Die Einschreibung für den Data Analytics Track erfolgt durch Anmeldung im ISIS Kurs „Data Analytics
(Track)“. Jede Teilnehmerin bekommt eine Mentorin zugewiesen, die in der Regel eine
Wissenschaftliche Mitarbeiterin aus einem Lehrstuhl des Data Analytics Lab ist. Für die erfolgreiche
Teilnahme am Track ist jedes Semester ein Treffen mit der Mentorin erforderlich. Dieses Treffen wird im
ISIS Kurs dokumentiert. Bei einem Auslandsaufenthalt oder vergleichbaren Gründen kann das Treffen
auch fernmündlich erfolgen.
Änderungen am Track werden im ISIS Kurs bekannt gegeben.
Qualitätsmangement
Aktualisierung des Data Analytics Track Curriculums Vor jedem Wintersemester findet eine Aktualisierung des Tracks statt. Dabei wird sowohl die
Trackbeschreibung an den Stand der Forschung angepasst, als auch die für den Track zugelassen
Module überarbeitet. Das Ergebnis der Überarbeitung teilt die Trackverantwortliche der
Ausbildungskommission bis spätestens zum 30.9. mit.
Bei der Prüfung der Module können sowohl Module gestrichen als auch neue Module hinzugefügt
werden. Bei den Modulen, die aus dem Vorjahr übernommen werden, muss für den Fall das sich
wesentliche Bestandteile des Moduls geändert haben, geprüft werden, ob die neue Version des Modul
mit seinen geänderten Bestandteilen noch zu den Qualifikationszielen des Tracks passt.
Weiterhin muss die Trackverantwortliche sicherstellen, dass es für jeden Studiengang einen
Studienverlaufsplan gibt, der nur Module beinhaltet dessen Lehrveranstaltungen in englischer Sprache
angeboten werden.
Auflösung des Tracks Zur Auflösung des Tracks bedarf es der Zustimmung des Fakultätsrats mit einfacher Mehrheit kann mit
die Auflösung des Tracks mit einfacher Mehrheit beschließen. Gibt es zur Zeit der Auflösung noch
Studierende, die dem Track folgen, wird die Ausbildungskommission mit der Ausarbeitung einer
Übergangslösung für die betroffenen Studierenden beauftragt.
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 6/15 Fakultät IV
Anhang
Studienverlaufspläne Im folgenden Kapitel werden vier mögliche Studienverlaufspläne, die es ermöglichen die für das
Trackzertifikat erforderlichen Kurse in englischer Sprache zu absolvieren.
Master Informatik (Ausrichtung Statistik und Ökonometrie)
Kurs ECTS Bereich
1. Mastersemester (WS)
Machine Intelligence I 6 Data Analysis (Pflicht)
Implementation of Database Systems 6 Skalierbares Datenmanagement (Pflicht)
Implementation of Database Systems Lab 6 Skalierbares Datenmanagement
Multivariate Analysis / Business Statistics 3 Anwendung
Big Data Analytics Seminar 3 Seminar Catalog
2. Mastersemester (SS)
Time Series Analysis 3 Data Analysis
Scalable Data Analysis and Data Mining 6 (Skalierbares Datenmanagement)
Machine Intelligence II 6 Data Analysis
Digital Communities 6 Anwendung
Treatment Effect Analysis 6 Data Analysis
9 Studium Generale
3. Mastersemester (WS)
Big Data Analytics Project 9 Projektkatalog
Microeconometrics 6 Data Analysis
Management of Data Streams 6 Skalierbares Datenmanagement
Network Architectures Basic 6 (Anwendung)
5 Studium Generale
4. Mastersemester (SS)
Masters Thesis 30
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 7/15 Fakultät IV
Master Informatik (Schwerpunkt Mathematik)
Kurs ECTS Bereich
1. Mastersemester (WS)
Machine Intelligence I 6 Data Analysis (Pflicht)
Implementation of Database Systems 6 Skalierbares Datenmanagement (Pflicht)
Implementation of Database Systems Lab 6 Skalierbares Datenmanagement
Big Data Analytics Seminar 3 Seminar Catalog
10 Studium Generale
2. Mastersemester (SS)
Time Series Analysis 3 Data Analysis
Scalable Data Analysis and Data Mining 6 (Skalierbares Datenmanagement)
Machine Intelligence II 6 Data Analysis
Digital Communities 6 Anwendung
Wahrscheinlichkeitstheorie I 10 Anwendung
3. Mastersemester (WS)
Big Data Analytics Project 9 Projektkatalog
Stochastische Modelle 10 Data Analysis
Foundations of Distributed Systems 6 (Skalierbares Datenmanagement)
3 Studium Generale
4. Mastersemester (SS)
Masters Thesis 30
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 8/15 Fakultät IV
Master Technische Informatik
Kurs ECTS Bereich Katalog
Bachelorstudium
Machine Intelligence I 6 Data Analysis
(Pflicht)
Implementation of Database Systems 6 Skalierbares
Datenmanagement
(Pflicht)
Implementation of Database Systems Lab 6 Skalierbares
Datenmanagement
Abschlussarbeit Bachelor Technische Informatik 12
1. Mastersemester (SS)
Probabilistic and Bayesian Modeling in Machine
Learning and Artificial Intelligence
6 Data Analysis 13. Datenanalyse (Informatik)
Scalable Data Analysis and Data Mining 6 Skalierbares
Integrated Information Management 6 Rüdiger Zarnekow SS D 7
IT-Service-Management 6 Rüdiger Zarnekow WS D 7
FüS-Entrepreneurship and Innovation Management 6 Jan Kratzer SS D 7
The Economics of Climate Change 6
Ottmar Edenhofer und Robert Marschinski SS E 6
Venture Campus 6 Jan Kratzer SS D 7
Basic of Logistics & Traffics 6 Frank Straube ?? E 7
Energy Economics – Electricity Markets 6 Christian von Hirschhausen SS D 7
Experimental and Behavioural Economics 6 Dorothea Kübler SS E 7
Auditing / Prüfungslehre 6 Kasperzak / N.N. SS D 7
Energy Economics 6 Erdmann WS E 3
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 13/15 Fakultät IV
TITEL ECTS Verantwortlich SS/WS LANG FAK
Methods for Network Engineering (OR 2) 6 Franziska Holz (DIW) SS E 7
Technikrecht C: Technik-, Patent- und Innovationsrecht 6 Ensthaler SS D 7
IP Management 6 Blind WS E 7
Applied Embedded Systems Projekt 6 Juurlink
D 4
Network Architectures Basic 6 Feldmann WS D 4
Ecommerce 6 Prof. Dr. Axel Küpper WS E 4
Unternehmensarchitektur und Serviceorientierung 6 Prof. Krallmann ? D 4
Table 4 Wahlbereich Projekte
TITEL ECTS Verantwortlich SS/WS LANG FAK
Praktikum Maschinelles Lernen 9 Müller WS/SS D 4 Projekt: Statistische Methoden in Künstlicher Intelligenz und Maschinellem Lernen 9 Opper WS E 4 Projekt neuronale Informations-verarbeitung / Neural Information Processing Project 9 Obermayer SS E 4
Digitale Nachrichtenübertragung (Technische Informatik) 9 Sikora WS D 4
Big Data Analytics Project 9 Markl SS E 4
CIT 11 – Master Projekt Verteilte Systeme 9 Kao WS/SS D 4
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 14/15 Fakultät IV
Table 5 Wahlbereich Seminare
TITEL ECTS Verantwortlich SS/WS LANG FAK
IMSEM - Hot Topics in Information Management 3 Markl WS E 4
Classical Topics in Machine Learning 3 Müller WS ? 4
CIT8 – Aktuelle Themen aus dem Bereich der verteilten Systeme 3 Kao WS/SS D 4
Advances in Semantic Search 3 Albayrak WS/SS E 4
Synchrone und Asynchrone Interaktion in Verteilten Systemen 3 Nestmann SS ? 4
BDASEM – Big Data Analytics Seminar 3 Markl SS E 4 Probabilistic and Bayesian Modelling in Machine Learning and Artificial Intelligence-Seminar 3 Opper SS E 4
Seminar Mess- und Diagnosetechnik 3 Gühmann SS E 4
Seminar Programmierung eingebetteter Systeme 3 Glesner WS/SS D 4
Recent Advances in Multicore Systems 3 Juurlink SS E 4
Recent Advances in Computer Architecture 3 Juurlink WS E 4
Hot Topics in Operating Systems and Distributed Systems 3 Heiß WS/SS E 4
Hot Topics in Next Generation Networks and Future Internet 3 Magedanz WS/SS ? 4
CIT10: Aktuelle Themen aus dem Bereich der parallelen Datenverarbeitung 3 Kao WS/SS D 4
Data Analytics Track -Trackbeschreibung-
Berlin, 28. Juni 2013 (Version SS13-R1) Seite 15/15 Fakultät IV
Fragen und Antworten
Was ist ein Track? Ein Track ist ein empfohlener Studienverlaufsplan, der eine bestimmte Ausrichtung vorgibt. Studierende,
die alle Anforderungen des Tracks erfüllt haben, bekommen ein Zertifikat der Fakultät IV, das ihnen
zusätzlich zu ihrem Abschluss weitere Fähigkeiten attestiert. Ein Rechtsanspruch auf die Ausstellung
eines solchen Zertifikates besteht jedoch nicht.
Wer kann den Track belegen? Zielgruppe des Tracks sind an der TU Berlin immatrikulierte Studierende der Studiengänge:
Informatik,
technischer Informatik
und Wirtschaftsinformatik.
Verlängert sich das Studium durch das belegen des Tracks? Nein, weder der Umfang der Semesterwochenstunden wächst, noch die Anzahl der Semester.
Ungeachtet dessen führt ein längerer Studienverlauf nicht zum Ausschluss aus dem Track. Lediglich die
Anzahl der benötigten Mentorentreffen steigt.
Version Autoren Datum Bemerkungen
Sommersemester 13
(Revision 1)
Schubotz, Moritz
Hemsen, Holmer
Markl, Volker
28.06.2013 Initiale Version
Fragen und Anmerkungen zu dem Track sind bitte an die E-Mail-Adresse [email protected] zu senden.