Der Umgang mit Daten ist relevanter und komplexer denn je. Die Nachfrage an Fachpersonal steigt. In diesem Studium lernen Sie neben statistischen und technischen Fähigkeiten auch Inhalte aus den Bereichen Wirtschaft, Recht und Ethik. Vertiefen können Sie ihre Expertise in den Bereichen Marketing, Gesundheit, Medien, Sicherheit oder Produktion.
Das Studium besteht aus drei Schwerpunkten:
Datenkompetenz (1. und 2. Semester)
Datenkompetenz vermittelt die Fähigkeiten, wohldurchdacht mit Daten umzugehen, Daten zu sammeln, zu bewerten, zu analysieren und zu visualisieren. Wichtige Themen dabei sind Grundlagen des Codings, der Statistik oder Data Governance.
Vertiefungsstudium (3. Semester): Data Science oder Business Analytics
Sie können im 3. Semester einen Schwerpunkt wählen:
- Data Science vermittelt Ihnen die Fähigkeiten des advanced Machine Learnings und der künstlichen Intelligenz. Wichtige Themen, die zusätzlich behandelt werden sind Big Data-Technologien oder Data Warehouse-Systeme.
- Business Analytics befasst sich mit wirtschaftlichen Grundlagen, sowie Digital Business oder Business Intelligence.
Wahlmodul (4. Semester)
Da Datenspezialist*innen ihre Analysen immer in einem bestimmten Kontext durchführen, ermöglicht Ihnen das Studium eine Spezialisierung in einem wählbaren Anwendungsgebiet (z. B.: Marketing, Gesundheit, Medien, Sicherheit, Produktion)*. Sie setzen sich mit den wichtigsten Grundlagen des Fachbereichs auseinander und erhalten ein Grundverständnis für häufige Problemstellungen.
* Fachbereiche werden im dritten Semester vorgestellt und können frei gewählt werden. Sie werden nach Bedarf der Studierenden angeboten und kommen ab einer Teilnehmer*innenzahl von 8 Personen zustande.
Berufspraktikum (4. und 6. Semester)
Die Berufspraktika sind im 4. Semester (Umfang: 200 Stunden) und 6. Semester (Umfang: 400 Stunden) zu absolvieren. Dabei kontaktieren die Studierenden eigenständig favorisierte Unternehmen. Dazu steht ihnen das umfangreiche Partnernetzwerk des Studienganges zur Verfügung.
Auslandssemester oder European Project Semester (5. Semester)
Ein wichtiger Bestandteil des Studiums stellt das Projektsemester im 5. Semester dar. Dabei ist das Ziel, Gruppen zu bilden, um eine interdisziplinäre Problemstellung innerhalb des Projekts zu lösen.
Das internationale Projektsemester kann auch im Ausland an einer Partneruniversität absolviert werden.
Übersichtsgrafik: Studienplan
Aus dem Studiengang
Praxisnahe Ausbildung
Der ständige Austausch und die hervorragende Vernetzung mit unseren Partnern der Wirtschaft, Gesundheit und Industrie stellen eine optimale Voraussetzung für Sie dar. Wir arbeiten stets am Puls der Zeit und passen das Curriculum den Bedürfnissen des Marktes an.
Zwei Berufspraktika und ein Projektsemester (im In- oder Ausland) runden das Angebot ab. Teamarbeit steht dabei stets im Vordergrund. Immer wieder entstehen schon während des Studiums innovative Ideen und Lösungen, welche nicht selten zu spannenden Start-ups führen.
Reale Use Cases rund um das Thema Umwelt- und Naturschutz lassen auch das wichtige Thema Nachhaltigkeit nicht zu kurz kommen.
Expertise in einem Fachbereich
Sie interessieren sich für künstliche Intelligenz oder digitale Geschäftsmodelle für Unternehmen?
Das Studium ist ganz an Ihre persönlichen Interessen angepasst.
Als Data Scientist lernen Sie Data Governance, Coding und Statistik sowie relevante Inhalte aus den Bereichen Recht und Ethik.
Im Vertiefungsstudium haben Sie die Wahl zwischen Data Science und Business Analytics. Sie widmen sich Themen rund um Machine Learning, Deep Learning und Reinforcement Learning oder tauchen in den wirtschaftlichen Aspekt und die digitale Transformation von Unternehmen ein.
Wenn Sie mehr über Creative AI lernen oder den Herausforderungen im Natur- und Klimaschutz nachhaltig entgegenwirken möchten, dann erlernen Sie hier den respektvollen Umgang mit Daten und erlangen Expertise in den wichtigen Themen Social Good and Green AI.
Moderne Infrastruktur
Die FH St. Pölten verfügt über modernste Labore, wie dem Data Science Lab oder dem Deep Learning Lab, sowie eine zusätzliche Deep-Learning-Umgebung zum Trainieren großer neuronaler Netze.
Die gesamte Infrastruktur können Sie rund um die Uhr auch außerhalb des Campus nutzen.
Labore und Ausstattung ansehen
Innovative Lehrmethoden
Der Studiengang setzt auf moderne didaktische Konzepte, darunter Blockunterricht, der Studierenden ermöglicht, sich intensiv auf ein Unterrichtsfach zu konzentrieren.
Zusätzlich werden Ansätze des projektbasierten und entdeckenden Lernens eingesetzt. Studierende erhalten die Möglichkeit durch Wettbewerbe, Gastvorträge, Konferenzbesuche und vieles mehr, Data Science hautnah zu erleben.
Copyright: Martin Lifka Photography
Beispiele für den Einsatz von Data Science
Big Data
Videostreaming-Plattformen
Mit Hilfe von Data Science werden Filmempfehlungen erstellt. Dabei entstehen mitunter mehrere Millionen unterschiedlicher optimierte Oberflächen mit unterschiedlichsten Filmempfehlungen und Filmreihungen.
Online Shopping
Mittels Datenanalyse werden personalisierte Produktempfehlungen bereitgestellt. Empfehlungen von der Art: „Kunden die das kauften, kauften auch“ basieren auf der Echtzeitauswertung von Millionen von Kaufdaten anderer Kunden, durch welche errechnet wird, welche Produkte den Käufer oder die Käuferin mit hoher Wahrscheinlichkeit noch interessieren könnten.
Krankheitswellen
Viele Menschen schreiben in sozialen Netzwerken über ihren Alltag. Durch Big Data können so Häufungen über Krankheiten einer bestimmten Region zugeordnet werden und etwa Grippewellen in ihrer Entstehung erkannt und in der Folge wirksam eingedämmt werden.
Data Science
Digital Farming
Auch vor der Landwirtschaft macht Data Science keinen Halt. Dabei hilft Data Science neben der Gestaltung effizienterer Betriebe (z. B. durch autonom fahrende Traktoren) auch die Umweltbelastung zu reduzieren und bessere Haltungsbedingungen für Tiere zu schaffen. Datenanalyse führt zum Beispiel zu gezielterer Aussaat, Düngung und Bewässerung der Felder. Dabei kommt es zur Reduktion von Energieverbrauch. Durch den geringeren Einsatz von Herbiziden und mineralischen Düngern wird zudem die Natur weniger stark mit Umweltgiften belastet.
Öffentlicher Nahverkehr
Sammeln von Daten wie der Temperatur der Bremsen und dem Neigungswinkel der Führerkabine, um vorauszusagen, wann die Bahn gewartet werden muss. So können rechtzeitig wirkungsvolle Maßnahmen ergriffen und Stehzeiten verkürzt werden.
Partnerbörsen
Für die Paarfindung und bei möglichen Partnervorschlägen wird auf Data Science gesetzt. Basierend auf Eigenschaften und Vorlieben wird durch passende Algorithmik der ideale Partner errechnet und vorgeschlagen.
Smarte Lautsprecher
Sprachassistenten befinden sich mittlerweile nicht nur mehr auf unseren Computern und Smartphones, auch in Wohnungen und Häusern treffen wir immer häufiger auf die schlauen Begleiter. Dank des Internets der Dinge mutieren Haushalte zu Smart Homes. Mittels Data Science erkennen Sprachassistenten das Gesagte und können unsere Wünsche in die Tat umsetzen.
Kreditkartenmissbrauch
Dank Data Science entdecken Banken Betrugsversuche mit hoher Genauigkeit automatisiert und können dadurch Kreditkarten frühzeitig sperren.
Artificial Intelligence
Schachcomputer und Konsorten
Schon im Jahr 1997 gelang es einer künstlichen Intelligenz, den damaligen Schach-Weltmeister Garri Kasparov in sechs Partien zu schlagen. Insgesamt wird die künstliche Intelligenz (KI) dabei eingesetzt, um dem Menschen einen je nach Wahl meist unterschiedlich schweren und ständig präsenten Spielpartner zu simulieren. Ähnliche Entwicklungen gibt es im E-Sport-Bereich, wo Profigamer versuchen, die besten KIs zu schlagen, während Entwicklern darauf hinarbeiten, die besten Spieler durch eine KI zu besiegen.
Selbstfahrende (Autonome) Autos
Was früher noch Science-Fiction war, wird heute Realität: Autonom fahrende Autos befinden sich dank Data Science und künstlicher Intelligenz in der Testphase. Autos lernen Verkehrszeichen, VerkehrsteilnehmerInnen und mögliche Gefahrenquellen vorzeitig zu erkennen und darauf zu reagieren.
Hautkrebsdiagnose
Bei der Unterscheidung gefährlicher Melanome von gutartigen Muttermalen hat ein künstliches neuronales Netz gezeigt, dass es Hautkrebs besser erkennt als Dermatologen.
Internet of Things
Die Haustür als Wachhund
Mit dem sogenannten „Internet der Dinge“ wird beschrieben, dass immer mehr Gegenstände auch eine digitale Funktion besitzen. So könnten beispielsweise Haustüren oder Fenster mit entsprechenden Sensoren über das Internet den Besitzer oder die Polizei alarmieren, wenn jemand sie zu öffnen versucht, obwohl dies nicht der Fall sein sollte, etwa, weil die Bewohner eigentlich im Urlaub sind.
Einkaufende Schränke
Ähnlich könnten auch mit entsprechenden Sensoren ausgestattete Schränke und Kühlschränke ausgewählte Haushaltsmittel, die immer vorrätig sein sollten, wie Milch, Zahnpasta oder Küchenrolle, selbstständig in Online-Shops nachbestellen, wenn diese kurz davor sind, aufgebraucht zu werden.
Warum Data Science?
Ein menschlicher Blick
Trotz der vielen vollautomatischen Erhebungsmöglichkeiten durch Künstliche Intelligenz oder Deep Learning, bleibt die wichtigste Aufgabe oftmals dem Menschen überlassen. Zwar können durch eine KI möglicherweise Muster erkannt werden, aber nicht unbedingt Ursache und Wirkung. Wenn man jedoch wissen will, warum die gefundenen Muster auftreten, ist es die Aufgabe des Data Scientist, Wirkungszusammenhänge nachvollziehbar zu erklären.
