Aus Biomedizinischer Informatik (auslaufendes Masterstudium) wird ab dem Wintersemester 2017/18 Data Science und Engineering*
*vorbehaltlich der Genehmigung durch AQ Austria

Mit Vertiefung in biomedizinischer Datenanalyse oder Datenanalyse in Marketing & Produktion

Im Jahr 2016 wurden weltweit 9 Billionen Gigabyte an Daten generiert. Rund 90 Prozent  allein in den letzten zwei Jahren und die Wachstumskurve verläuft exponentiell.  Jeder Smartphone-, Kreditkarten- oder Amazon-Nutzer, jeder Autofahrer mit Navigationsgerät im Wagen und jeder Einkäufer mit Kundenkarte erzeugt täglich solche Datenströme. Diese Datenflut, Ausdruck unseres Verhaltens, unserer Vorlieben und Routinen, bergen ein enormes Informationspotential.

Mit Data-Science-Methoden lassen sich all diese Informationen verknüpfen um neues, unerwartetes und wertvolles Wissen zu extrahieren. Wer Muster und Abhängigkeiten findet, kann schneller und fundierter Entscheidungen treffen, Prozesse effektiver gestalten und Kosten sparen.

Im Masterstudium Data Science und Engineering werden die dafür erforderlichen Kompetenzen aus den Bereichen Data Analytics und Computer Science vermittelt, die durch Domänenwissen aus biomedizinischer Datenanalyse oder Datenanalyse  in Marketing und Produktion ergänzt werden.

Kurzprofil

Akademischer Abschluss: Master of Science in Engineering (MSc)
Studienplätze: 15

Zugangsvoraussetzungen:
abgeschlossenes, facheinschlägiges Bachelor- oder Diplomstudium (FH oder Universität)

Bewerbung online oder schriftlich: www.fh-ooe.at/bewerbung
Aufnahmeverfahren: Bewerbungsgespräch
Anerkennung nachgewiesener Kenntnisse: individuell für einzelne Lehrveranstaltungen innerhalb der ersten zwei Semester möglich

Studienplan: Lehrinhalte des Studiums im Überblick

Wussten Sie, dass ……

der Harvard Business Review 2012 in Zusammenhang mit Data Science vom „sexiest job in the 21st century“ spricht?

SCHWERPUNKTE

Das Masterstudium Data  Science und Engineering  mit zwei Vertiefungsmöglichkeiten in biomedizinischer Datenanalyse oder Datenanalyse  in Marketing und Produktion ist nicht nur auf die technische und mathematische  Aspekte von Data Science fokussiert.  Es bereitet die AbsolventInnen auch durch entsprechende Vertiefung des interdisziplinären Wissens aus den Anwendungsdomänen auf das spätere Berufsfeld als Data Scientist vor.

Schwerpunkte der Ausbildung

• Aufbau des Datenverständnisses: Datenselektion, Datenintegration und  Datenaufbereitung, Verknüpfung, Transformation und Indizierung verschiedenster Datenquellen, Entwicklung aussagekräftiger Datenrepräsentationen und Visualisierungen
• Datenspeicherung und –management in Kombination mit Big Data und Cloud-Technologien,  auch für Echtzeitdaten
• Datenanalyse mit Methoden aus den Bereichen Computational Intelligence und Statistik für die Erstellung von Prognosemodellen zur Beantwortung einer konkreten Fragestellung aus dem Unternehmen
• Computer Vision Methoden zur Extraktion von Wissen aus Bilddaten
• Praxisbezogene Projekte zur Datenanalyse mit Kooperationspartnern aus den Domänen Biomedizin, Marketing und Produktion

BERUFSBILD

Die AbsolventInnen des Masterstudiengangs Data Science und Engineering sind in der Lage, aus großen Datenmengen Informationen zu generieren und Handlungsempfehlungen abzuleiten, die das Unternehmen befähigen effizienter zu arbeiten. Dazu bedienen sie sich innovativer Analyseverfahren und entwickeln  Abfragen, die aus unübersichtlichen Datenmengen wertvolle Informationen generieren. Anschließend werden Hypothesen abgeleitet, welche überprüft und für das Management als Entscheidungsgrundlage aufbereitet werden.

Einsatzmöglichkeiten nach dem Studium

Ziel ist es, Data Scientists als Datenarchitekten mit strategischem Weitblick, fundierten analytischen Fähigkeiten und ausgeprägten technischen Kompetenzen auszubilden und auf die Übernahme anspruchsvoller Aufgaben im Umfeld Data Science und Big Data vorzubereiten.

• Analyse von Daten bzw. Datenmodellen, IT-Landschaften und Geschäftsprozessen hinsichtlich des Bedarfes und der Einführung neuer Ansätze zur Wissensextraktion
• Design von Prozessen zur Extraktion, Bereinigung und Transformation von Daten
• Modellierung von Datenschemata zur Integration und Analyse von Daten
• Einsatz von Data Mining und statistischen Verfahren sowie Entwicklung von Vorhersagemodellen
• Konzeption von Lösungen zur Verarbeitung und Analyse von Daten in Echtzeit mit Hilfe von neuesten analytischen Tools und Big-Data-Technologien
• Visualisierung von Daten und Aufbereitung von analytischen Erkenntnissen
• Kommunikation, Erarbeitung und Präsentation von Lösungen den Entscheidungsträgern (Fachabteilungen und Management) gegenüber