Master-Studium Data Science an der FH Technikum Wien
Bewerbungsfrist: 31. Mai 2024 | Bewerbungen mit relevanten Abschlussdokumenten außerhalb der EU: 31. März 2024.
Analytiker*innen für die wertvollste Ressource der Informationsgesellschaft
Data Science ist ein junges, aber klar etabliertes und stark nachgefragtes Feld. Die interdisziplinäre Rolle von Data Scientists braucht ein facettenreiches Studium. Datenanalyse ist nämlich kein Selbstzweck, sondern muss immer im Zusammenhang mit den Aufgaben und Zielen eines Unternehmens oder einer Organisation betrachtet werden. Absolvent*innen des Studiengangs können mit ihren Fähigkeiten Entscheidungsprozesse in allen Phasen unterstützen.
Mit der fortschreitenden Digitalisierung in allen Bereichen unserer Arbeits- und Alltagswelt nimmt die Menge an verfügbaren Daten zu, die mit unterschiedlichen Frage- und Zielstellungen betrachtet werden müssen. Data Scientists sind fähig, diese Mengen an Daten aufzubereiten, zu analysieren und zu aussagekräftigen Informationen zu formen. Sie helfen Unternehmen und Organisationen somit, aus Datenmengen einen Nutzen zu ziehen.
Absolvent*innen eines Data Science Studiums verfügen über diese erforderlichen Kenntnisse und unterstützen Unternehmen bei wichtigen Entscheidungsprozessen in allen Phasen. Der Data Science Master weist dementsprechend einen starken Praxisbezug auf. Studierende erlernen umfassende Kompetenzen im Umgang mit großen Datenmengen. Da die Auswertung von Daten in nahezu allen Branchen eine große Rolle einnimmt, bieten sich Absolvent*innen des Data Science Masters viele mögliche Karrierewege.
Vorbehaltlich der Akkreditierung durch die AQ Austria ändert sich die Sprache des Master-Studiums Data Science ab dem Wintersemester 2024/25 auf Englisch.
Data Science Studium
Bitte akzeptieren Sie Cookies für externe Medien um Videos anzusehen
Fakten zum Studium
- Semester-Start: September
- Dauer: 120 ECTS-Punkte, 4 Semester
- Abschluss: Master of Science (MSc)
- Form: Abendform | Deutsch, 1/3 Englisch (ab dem Wintersemester 2024/25 komplett Englisch)
- Kosten pro Semester: € 363,36 Studienbeitrag, € 24,70 ÖH-Beitrag; € 3.000 Studienbeitrag für Studierende aus Drittstaaten: geltende Ausnahmen und Informationen
- Fernlehrelemente (blended learning)
- Empfohlene Auslandssemester (optional): 3, 4
- den kompletten Datenerhebungserhebungsprozess nach derzeitigem Stand der Technik durchzuführen, zum Beispiel für textuelle Daten, Bild- und Videodaten oder Sensordaten.
- diese Daten für Analysen aufzubereiten und zu modellieren.
- Analysen unter Berücksichtigung ethischer, datenschutzrechtlicher, infrastrukturbezogener und unternehmerischer Aspekte durchzuführen.
- Relevante Analysemethoden, Vorgehensweisen und Algorithmen zu vergleichen, auszuwählen und anzuwenden.
- die Ergebnisse der Analysen zielgruppengerecht zu kommunizieren und in den Betrieb zu überführen.
- Data Science Projekte unter Berücksichtigung der Unternehmensbedürfnisse und zum Zweck der Wertschöpfung zu planen, umzusetzen und erfolgreich zu managen.
- für Data Science Projekte Anforderungen zu erheben und Ziele zu definieren.
- als Schnittstelle gemeinsam mit Fachabteilung und IT-Abteilung Data Science Projekte zu planen und zu realisieren.
- mit technischen und nicht-technischen Fachleuten beim Konzipieren und Umsetzen von Data Science Projekten zu kommunizieren, sowie Ideen und Umsetzungsvorschläge zu präsentieren.
- Spezialisierung 1 (2. Semester)
- Smart City: Collection & evaluation of sensor data, application to optimization of urban development (e.g., detection of heat hot spots, smart metering etc.)
- Process Analytics: Process analysis, process improvement, process effectiveness, adherence to specifications/compliance
- Data Warehouse & BI: Star Scheme, ETL-Process, Reporting, OLAP
- Spezialisierung 2 (3. Semester)
- Natural Language Processing: text transformation, preprocessing, supervised and unsupervised models, sentiment analysis, generative AI
- Finance: Dealing with financial time series, ARIMA models, tools in R
- Big Data Analytics: Storage & processing of very large amounts of data, parallel processing with Hadoop ecosystem, analyzes with Spark/Kafka
- Spezialisierung 3 (3. Semester)
- Smart Maintenance: Reliability Analysis, Time-to-Failure, Machine learning methods.
- Marketing Analytics: Real-time behavior-based marketing, user profiling, pricing strategies, market simulation
- Trustworthy AI: Data Bias, Fairness, Explainability, Model Robustness
- Spezialisierung 4 (3. Semester)
- Renewable Energies: smart metering, prediction of demand curves, solar panel detection
- Medical Imaging: Treatment of medical data, image recognition processes using deep learning methods (e.g. tumor detection), U-Net Architecture
- Security & Privacy in AI: Anonymization, Federated Learning; Attacks, Model Robustness, Adversarial examples & defense
Berufsaussichten
Es handelt sich um ein außerordentlich stark nachgefragtes Berufsbild und dieser Studiengang trift den Nerv des Arbeitsmarktbedarfs an Data Professionals.
Wie unterscheidet sich eigentlich Artificial Intelligence von Data Science?
Artificial Intelligence (AI) und Data Science (DS) haben gerade im Bereich Machine Learning natürliche Überlappungsbereiche. Aber …
An der FH Technikum Wien beschäftigt sich der Master-Studiengang Data Science stärker mit dem Data Engineering (Erhebung, Aufbereitung, Speicherung), der Analyse sowie der Entwicklung von Vorhersagemodellen in Unternehmen. Die Verwendung verfügbarer Softwarepakete und Frameworks spielen hierbei eine zentrale Rolle. Die Selbstentwicklungskomponente ist weniger stark ausgeprägt als im Master AI Engineering.
Der Master-Studiengang AI Engineering beschäftigt sich hingegen stärker mit der Entwicklung integrierter Systeme wie beispielsweise Echtzeitbilderkennung, Prozessierung menschlicher Sprachen (NLP), selbstfahrenden Autos oder mit medizinischen AI-Unterstützungssystemen. Der Fokus liegt hierbei stark auf Programmierung, Software Engineering und Algorithmen.
In beiden Richtungen bestehen in unserer exponentiell wachsenden Informationsgesellschaft ausgezeichnete Jobaussichten.
Anwendungsbereiche von Data Science
Prinzipiell kommt Data Science in fast allen Branchen zum Einsatz, da sie Prozesse verbessern und Trends identifizieren kann. Darüber hinaus entstehen branchenspezifische Nutzen. Nur einige Beispiele: Im Handel wird Data Science zur Analyse von Kundendaten genutzt, um auf Konsument*innen eingehen und optimierte Artikel entwickeln zu können. Die Industrie nutzt Data Science, um Fertigungsprozesse zu verbessern und die Produktionsleistung zu steigern. Logistikunternehmen optimieren Transportabläufe und Versanddienstleistungen. Im Gesundheitswesen wird Data Science eingesetzt, um medizinische Abläufe sowie die Behandlung von Patient*innen zu verbessern.
„Data Science führt uns ins Zeitalter der Industrie 5.0“
Student
„Unternehmen wie Gesellschaft brauchen neue, interdisziplinär ausgebildete Data Professionals.“
Studiengangsleiter
Voraussetzungen zum Data Science Master
Masterstudiengänge bauen auf einem absolvierten Bachelorstudium auf und dienen der schwerpunktmäßigen Vertiefung bzw. Spezialisierung oder Erweiterung der vorhandenen Kompetenzen.
Fachliche Zugangsvoraussetzung zum Master-Studiengang Data Science ist ein abgeschlossener facheinschlägiger FH-Bachelorstudiengang oder der Abschluss eines gleichwertigen Studiums an einer anerkannten inländischen oder ausländischen postsekundären Bildungseinrichtung (mindestens 180 ECTS-Punkte).
Wenn die Gleichwertigkeit grundsätzlich gegeben ist und nur einzelne Ergänzungen auf die volle Gleichwertigkeit fehlen, ist die Studiengangsleitung berechtigt, die Feststellung der Gleichwertigkeit mit der Auflage von Prüfungen zu verbinden, die während des jeweiligen Masterstudiums abzulegen sind.
Berufsbegleitend studieren mit dem Waff-Stipendium für Frauen
Sie wollen neben dem Job studieren? Der waff unterstützt Wienerinnen, die den nächsten Schritt machen und ein berufsbegleitendes Studium in den Bereichen Digitalisierung, Nachhaltigkeit und Technik machen möchten, mit Beratung, einer Förderung für die Vorbereitung aufs Studium und einem Stipendium!
FAQ zum Master-Studium an der FH Technikum Wien
News aus dem Studiengang
Kontakt
Studiengangsleiter Bachelor Wirtschaftsinformatik, Studiengangsleiter Master Data Science
Studiengangsassistentin
Master Data Science
Master IT-Security
Downloads
Bewerbung
Der nächste Schritt, um im Master Data Science zu studieren, ist eine Bewerbung über das Online-Bewerbungssystem der FH Technikum Wien:
- Der gesamte Bewerbungsprozess wird über eine eigene Bewerbungs-Website abgewickelt.
- Ihre Daten liegen dort sicher und werden streng vertraulich behandelt.
- Ein Registrierungssystem ermöglicht es, eine Bewerbung zu beginnen und zu einem späteren Zeitpunkt abzuschließen.
- Auf die einmal eingegebenen Benutzer*innen-Daten und hochgeladenen Dokumente können Sie auch für spätere Bewerbungen zurückgreifen.
