Data Science und Künstliche Intelligenz (DSKI)

Neues Wissen aus Daten gewinnen, innovative Anwendungen und Geschäftsmodelle entwickeln

Daten sind eine der wichtigsten Ressourcen in der digitalen Transformation. Aus großen Datenmengen werden Informationen und relevantes Wissen generiert. Data Science, Künstliche Intelligenz und Machine Learning sind dafür die zentralen Schlüsseltechnologien. Sie sind die Grundlage für die Entwicklung von Chatbots, digitalen autonomen Assistenten, Gaming, für die Erkennung von Betrug und Fake News in sozialen Medien, die Vorhersage von Trends in Geschäftsprozessen und vielen weiteren innovativen Produkten und Dienstleistungen.

Als Daten-Profi Karriere machen

Um all solche Entwicklungen und auch Unternehmensprozesse voranzutreiben, werden Fachkräfte gesucht. Schon jetzt ist die Auswahl für Studierende groß: Möchte man sein Wissen in Wirtschafts- oder IT-Unternehmen einsetzen, im Gesundheitswesen, in Produktionsbetrieben oder bei Energieversorgern? Man kann auch überall dort Fuß fassen, wo Wissensgewinnung aus Daten und die Entwicklung intelligenter Anwendungen eine Rolle spielen. Außerdem kann man mit einem Data-Science-Studium an der DHBW Mannheim auch inhaltlich unterschiedliche Wege einschlagen und z. B. als Data Scientist, Data Engineer, Intelligence Engineer, KI- oder Machine-Learning-Spezialist*in Karriere machen.

Innovatives Studienmodell rund um Informatik, Mathematik und Daten-Wissen

Für all diese Karrierewege legt der interdisziplinäre Studiengang Data Science und Künstliche Intelligenz die nötigen Grundlagen. Es wartet ein spannender Mix aus Informatik, Mathematik, Statistik und Anwendungsmodulen von Data Science und Künstlicher Intelligenz in verschiedenen Bereichen der Gesellschaft, Wirtschaft, Wissenschaft und Technik. Ab dem 2. Studienjahr besteht die Wahlmöglichkeit für eine fachliche Spezialisierung in einem der beiden Profile
 

  • Data Engineering und Data Analytics
  • Künstliche Intelligenz & Machine Learning und Intelligence Engineering

In modernen Laboren können die Studierenden ihre Fachkenntnisse und die Technologien anwenden und dieses Know-how während der Praxisphasen sowohl umsetzen als auch vom Wissenstransfer zwischen Praxis und Theorie profitieren.