TUM | Studium Data Engineering & Analytics (Master)
Der Masterstudiengang "Data Engineering and Analytics" an der Technischen Universität München (TUM) zielt darauf ab, Studierende im Umgang mit sehr großen Datenmengen auszubilden. Die Absolventen sollen in der Lage sein, innovative Techniken zur Datenverwaltung, -analyse und -verarbeitung anzuwenden, um praktische Lösungen zu entwickeln und fundierte Forschung zu betreiben.
Der Studiengang ist in drei Hauptbereiche unterteilt: Data Analysis, Data Engineering and Analytics und Data Engineering.
Data Analysis:
- Grundlagen zum Verständnis von Daten und zur Modellierung von Zusammenhängen
- Veranstaltungen mit solidem mathematischen Fundament, wie Fundamentals of Convex Optimization und Computational Statistics
Data Engineering:
- Konstruktion von Systemen für die effiziente und skalierbare Datenverarbeitung
- Themen wie verteilte Systeme, verteilte Datenbanken, Anfrageoptimierung, Datenbanksysteme auf modernen CPU-Architekturen und High Performance Computing
Data Engineering and Analytics:
- Veranstaltungen zu Machine Learning, Business Analytics, Computer Vision und Scientific Visualization
Kompetenzen und Fähigkeiten: Die Studierenden des Masterstudiengangs erwerben Fähigkeiten in folgenden Bereichen:
- Verteilte Datenhaltung: Anwendung und Charakterisierung der wesentlichen Konzepte
- Analysealgorithmen: Implementierung und Bewertung auf sehr großen, verteilten Datenmengen
- Optimierung der Analyseprozesse: Einschätzung und Kombination von Techniken zur Prozessoptimierung für unterschiedliche Randbedingungen
- Gesellschaftliche Bedeutung: Verständnis der gesellschaftlichen Auswirkungen und Bedeutung der erlernten Techniken
Technische Inhalte:
- Datenorganisation und Analyse: Effiziente Analyse großer Datenmengen und verteilte Datenhaltung
- Verteilte und parallele Datenanalyse: Nutzung von Mehrkernsystemen, Multiprozessorsystemen und Clustern
- Statistik-gestützte Optimierung: Anwendung von Dimensionsreduktion und anderen Optimierungsmethoden
- Map/Reduce Techniken: Verallgemeinerung zur verteilten Anfrageverarbeitung und Anwendung in Systemen wie Hadoop und NoSQL-Systemen
- Datenschutz: Bedeutung und gesellschaftliche Auswirkungen des Datenschutzes
Mathematische Grundlagen:
- Rechnergestützte lineare Algebra: Anwendung von Singulärwertzerlegung und Zufallsmatrizen zur Datenanalyse
- Konvexe Optimierung und Differentialgeometrie: Verstehen und Anwenden der Konzepte zur Datenanalyse
- Sparse Recovery und Compressed Sensing: Grundlagen und Algorithmen zur niederdimensionalen Darstellung von Daten
Berufsperspektiven: Absolventen des Masterstudiengangs "Data Engineering and Analytics" haben vielfältige berufliche Möglichkeiten:
- Forschung: Weiterführende akademische Karriere oder angewandte Forschung in verschiedenen Branchen
- Beratung: Spezialisierte Beratung in den Bereichen Big Data und Datenanalyse
- IT-Security: Sicherung und Schutz großer Datenmengen
- Data Analysts und Data Engineers: Tätigkeiten in Unternehmen nahezu aller Branchen, die auf Datenanalyse und -verarbeitung angewiesen sind
Zielgruppe: Der Masterstudiengang richtet sich an Absolventen eines Bachelorstudiums in Informatik oder verwandten Bereichen, die sich auf die Verarbeitung und Auswertung extrem großer Datenmengen spezialisieren möchten.
Mehr zum Masterstudiengang "Data Engineering & Analytics" findest Du auf den Seiten der TU München.