Data Science

Studienwahl-Kompass

Bachelor Data Science – Orientierung für Studieninteressierte

Passt Data Science zu mir?

Meine Fähigkeiten

Fehlende Vorkenntnisse im Fach (Programmiersprachen, HTML,...) sind unproblematisch. Sie lernen diese Inhalte im Studium von Grund auf. Fehlendes mathematisches Talent kann in der Regel nicht kompensiert werden, Fachwissen schon.

Wenn Sie Ihre Mathematikkenntnisse genauer einschätzen möchten, nutzen Sie den Online-Eingangstest aus dem Brückenkurs Mathematik des MINT-Kolleg Baden-Württemberg. Das MINT-Kolleg unterstützt Sie auch bei der Aufarbeitung von Wissenslücken.

Erfolgreiche Student*innen der Data Science bringen folgende Fähigkeiten und Kenntnisse mit:

  • eine ausgeprägte mathematisch-analytische Denkweise
  • gute Kommunikationsfähigkeit – denn ein Problem muss man nicht nur analytisch erfassen können, man muss auch dessen Lösung kommunizieren können.
  • gute Teamfähigkeit – sowohl im Studium als auch später im Beruf arbeiten Softwaretechniker viel im Team.
  • ausreichende Englischkenntnisse – es wird zum Teil auch englischsprachige Fachliteratur gelesen.
  • (sehr) gute Noten in Mathematik und Physik in der Schule

Meine Interessen

  • Interessieren Sie Aspekte wie Datenqualität und Datensicherheit?
  • Nutzen Sie die neueste Technik nicht nur, sondern wollen auch wissen, wie diese funktioniert?
  • Fürchten Sie sich nicht vor Beweisen und formalen Arbeitsmethoden?
  • Formulieren Sie gerne Prozesse und Probleme abstrakt?
  • Haben Sie schon einmal über Vor- und Nachteile von großen Datenströmen nachgedacht?
  • Haben Sie Spaß an der Auswertung von großen Datensätzen?
  • Suchen Sie gerne nach Zusammenhängen und Abhängigkeiten von Daten, die sich im ersten Augenblick nicht erschließen?
  • Sind Sie der Meinung, dass das Potential von „Big Data“ noch lange nicht ausgeschöpft ist?

Wenn Sie einen Großteil dieser Fragen bejahen können, dann sind Sie in der Data Science richtig!

Forschungsfragen

Werfen Sie einen Blick auf die Beispiele aus unserer Forschung – finden Sie diese interessant?

Ein großer Teil der Fahrzeugentwicklung findet heutzutage virtuell im Rechner statt, bevor überhaupt ein erster Prototyp physisch gebaut wird. Hierbei treten eine Vielzahl herausfordernder algorithmischer Probleme auf. So muss zum Beispiel noch während der Designphase das Kofferraumvolumen eines Fahrzeugs bestimmt werden. Für diese Berechnung existieren sogar gesetzliche Bestimmungen, die DIN 70020. Diese Norm schreibt vor, dass das Kofferraumvolumen durch die Anzahl an überlappungsfrei platzierbaren 1-Liter-Quadern zu bestimmen ist. Man kann beweisen, dass dieses Maximierungsproblem mathematisch sehr schwierig ist, nichtsdestotrotz erlauben Techniken der Algorithmischen Geometrie und der Diskreten Optimierung für praktische Instanzen die Bestimmung fast-optimaler Lösungen.

Fast jeder hat schon Routenplaner wie Google/Apple/Bing Maps genutzt. Hierbei wird typischerweise die schnellste oder kürzeste Route zwischen Start und Ziel bestimmt. Entsprechende Verfahren, die dieses Problem schnell und beweisbar optimal lösen, werden bereits in den ersten Semestern des Informatik-Studiums vorgestellt. Allerdings erhöhen bereits kleinste Variationen dieser Fragestellung die Komplexität des Problems drastisch. Beispielsweise bringt E-Mobility neue, komplexe Fragen für die Routenplanung mit sich, wie „Bestimme die Route mit minimalem Energieverbrauch, welche höchstes 15 Minuten länger dauert als die schnellste Route.“ Im späteren Verlauf Ihres Informatik-Studiums lernen Sie, auch solch schwierige Probleme zu lösen. In der Abbildung sehen Sie einige Alternativrouten von Stuttgart nach Freiburg, welche je nach erlaubtem Zeitbudget voneinander abweichen.

Zum Seitenanfang