Data Science and Machine Learning - Master

Das Studium umfasst 42 ECTS in Kernmodulen, 48 ECTS in einer Vertiefungsrichtung und 30 ECTS für die Masterarbeit.  

Die methodischen Grundlagen werden in Kernmodulen vermittelt, die von allen Studierenden belegt werden und die Grundlage für die spätere Wahl einer Vertiefungsrichtung bilden. Sie gliedern sich in einen Pflichtbereich (30 ECTS) und einen Wahlpflichtbereich (12 ECTS). 

Nach der Belegung der verpflichtenden Kernmodule im ersten Semester wählen die Studierenden eine der drei Vertiefungsrichtungen. Zu jeder Vertiefungsrichtung gehört ein obligatorisches Gruppenprojekt (12 ECTS). 

Kernmodule (42 ECTS)

Pflichtmodule (30 ECTS)

• Introduction to Data Science (6 ECTS)
• Applied Deep Learning (6 ECTS)
• Machine Learning (6 ECTS)
• Statistical Learning (6 ECTS)
• Interdisciplinary Lecture Series Data Science & Data Ethics (6 ECTS)

Wahlpflichtmodule (12 ECTS; Wahl aus der untenstehenden Liste)

• Exploring Research Data Management (6 ECTS)
• Trustworthy Machine Learning (6 ECTS)
• Machine Learning II (6 ECTS)
• Advanced Topics in Applied Deep Learning (6 ECTS)
• Time Series Analysis (6 ECTS)
• Introduction to IT-Security (6 ECTS)
• Designing Explainable Artificial Intelligence (6 ECTS)
• Applied AI- Multimodal-Multisensor Interfaces I: Foundations, User Modelling, and Common Modality Combination (3 ECTS)
• Applied AI - Multimodal-Multisensor Interfaces III: Language Processing, Software, Commercialisation, and Emerging Directions (3 ECTS)
• Internship (6 ECTS)
• Current topics in Data Science and Machine Learning (6 ECTS)
• Interdisciplinary language module for the recognition of German language or Academic English courses (6 ECTS)

Vertiefungsrichtung Theoretical Foundations of Machine Learning in Mathematics and Natural Sciences

Pflichtmodule (18 ECTS)

• Theoretical Foundations of Machine Learning and Data Science (6 ECTS)
• Group Project Theoretical Foundations of Machine Learning in Maths and Natural Sciences (12 ECTS)

Wahlpflichtmodule (18 ECTS aus der folgenden Auswahl + zusätzlich 12 ECTS aus dem Kernbereich)

• Mathematical Foundations of Statistical Learning (6 ECTS)
• Introduction to Numerical Methods for Partial Differential Equations (6 ECTS)
• Computational Physics (6 ECTS)
• Modelling of Complex Systems (6 ECTS)
• Current Topics in Theoretical Foundations of Machine Learning in Mathematics and Natural Sciences (6 ECTS)
• Information Processing and Communication (6 ECTS)

Vertiefungsrichtung Data Science and Machine Learning in Medicine and Health Care

Pflichtmodule (30 ECTS)

• Medical Data Pipelines (6 ECTS)
• Medical Data Analysis with Deep Learning (6 ECTS)
• Big Data Analytics and Clinical Decision Support (6 ECTS)
• Group Project Data Science in Medicine and Healthcare (12 ECTS)

Wahlpflichtmodule (18 ECTS aus der folgenden Auswahl)

• Special Topics in ‘Medical Informatics’ II (6 ECTS)
• Medical Technology (6 ECTS)
• Medical Basics (6 ECTS)
• Bioinformatics & Omics (6 ECTS)
• Current Topics in Data Science in Medicine and Healthcare (6 ECTS)

Vertiefungsrichtung Data-Driven Speech and Hearing Sciences

Pflichtmodule (30 ECTS)

• Digital Signal Processing (6 ECTS)
• Hearing and Communication Acoustics (6 ECTS)
• Algorithms for Speech Processing (6 ECTS)
• Group Project Data-Driven Speech and Hearing Sciences (12 ECTS)

Wahlpflichtmodule (18 ECTS aus der folgenden Auswahl)

• Information Processing and Communication (6 ECTS)
• Introduction to Neurophysics (6 ECTS)
• Processing and Analysis of Biomedical Data (6 ECTS)
• Human Computer Interaction (6 ECTS)
• Current Topics in Data-Driven Speech and Hearing Sciences (6 ECTS)

Integrierte Praktika  

Das Modul „Internship“ (6 ECTS) im Wahlpflichtbereich des Kernbereichs ermöglicht ein Berufspraktikum im Umfang von 180 Stunden, in dem die Studierenden Data Science und maschinelles Lernen in der praktischen Anwendung erleben. Das Praktikum kann bei öffentlichen Institutionen, privaten Unternehmen, wissenschaftlichen Einrichtungen und anderen Organisationen im In- und Ausland stattfinden.

Das Programm ermöglicht Studierenden, spezifische Fachkenntnisse in der Anwendung von Analysemethoden in einer von drei Vertiefungsrichtungen zu erwerben und gewonnene Erkenntnisse an Domänen-Expert*innen zu vermitteln. Wir bieten die folgenden Vertiefungsrichtungen an:

• Die Vertiefung „Theoretical Foundations of Machine Learning in Mathematics and Natural Sciences“ adressiert die Grundlagen des Maschinellen Lernens aus einer mathematisch-naturwissenschaftlichen Perspektive. 
• Die Vertiefung „Data Science and Machine Learning in Medicine and Health Care“ ist fokussiert auf Anwendungen im Gesundheitsbereich. 
• Die Vertiefung „Data-Driven Speech and Hearing Sciences“ adressiert Anwendungen des maschinellen Lernens im Bereich der Hörforschung. 

• Kennenlernen, Anwenden und Entwickeln modernster Methoden des maschinellen Lernens für ein breites Spektrum unterschiedlicher Datenmodalitäten
• Spezialisieren Sie sich auf eine von drei Vertiefungsrichtungen (theoretische Grundlagen, Gesundheitswesen, Hörwissenschaften) und lernen Sie, wie Sie datengebundene Probleme in diesen Bereichen angehen können
• Entwicklung von Fachwissen, das nachhaltig und für die Gesellschaft relevant ist 
• Englischsprachiger Studiengang mit vielen internationalen Studierenden
• Interdisziplinärer Hintergrund der Lehrenden und Studierenden
• Kleine Gruppen mit 30 Studierenden pro Jahr
• Optionale integrierte Sprachkurse und Praktika
• Umfangreiche Betreuungsstrukturen (Tutorien, Lernwerkstätten etc.)

Deutsche Sprachkenntnisse sind für die Zulassung nicht notwendig.  

Für ein Studium dieses Studiengangs an der Universität Oldenburg müssen Studierende mit der Bewerbung ausreichende englische Sprachkenntnisse nachweisen:

Englischkenntnisse laut Zugangsordnung

• Sprachtest auf Niveau B2 des Gemeinsamen Europäischen Referenzrahmens für Sprachen (GER) (z. B. TOEFL, IELTS, etc. oder Test von einem Sprachenzentrum einer deutschen Hochschule)
• Gültigkeit von Sprachtests: Niveau C1 ist 6 Jahre gültig, auf Niveau B2 ist 2 Jahre gültig
• wenn die Muttersprache Englisch ist bzw. ein erster Hochschulabschluss in einem englischsprachigen Studiengang in einem EU-Land oder in einem Land mit Englisch oder Deutsch als Amtssprache erworben wurde (innerhalb der letzten 2 Jahre).

Der Nachweis der Sprachkenntnisse muss spätestens bei der Einschreibung vorliegen. 

Weitere Informationen finden Sie unter Sprachliche Voraussetzungen.

Im Kernbereich und in allen drei Vertiefungsrichtungen sind insgesamt drei Module (je 6 ECTS) für die Anerkennung eines optionalen Auslandsstudiums im dritten Semester integriert. Das Gruppenprojekt kann ebenfalls im Ausland durchgeführt werden.

Absolvent*innen sind für Fach- und Führungspositionen in verschiedenen Tätigkeitsbereichen, die das Sammeln, Verwalten, Verarbeiten, Analysieren und Interpretieren von digitalen Daten beinhalten, und für die akademische Forschung exzellent qualifiziert: 

Mögliche Berufsfelder sind:

• Data-Analyst mit Schwerpunkt auf Datenbereinigung und -aufbereitung;
• Data-Scientist mit Schwerpunkt auf Datenanalyse und Modellentwicklung und -validierung;
• Data-Engineer mit Schwerpunkt auf Entwicklung von Datenpipelines und deren Verwaltung. 
• Machine Learning Engineer mit Schwerpunkt auf Auswahl, Anpassung und Weiterentwicklung von Machine Learning (einschließlich Deep Learning) Methoden für verschiedene Informationsverarbeitungsaufgaben 

Kontakte zu Unternehmen und Start-ups werden gefördert.

• Bachelorabschluss im Umfang von mindestens 180 ECTS in den Bereichen Data Science, Mathematik, Statistik, Physik, Informatik, Wirtschaftsinformatik oder einem eng verwandten Gebiet und spezielle Fachkenntnisse (s. Zugangsordnung bzw. englische Seite für detaillierte Bepunktung)
  • Englischnachweis auf dem Niveau B2 (nicht älter als 2 Jahre).
  • Vollständig ausgefülltes zusätzliches Formblatt (Vordruck innerhalb der Online-Bewerbung zum Ausdrucken)
  • ggf. Bescheinigungen über einschlägige berufliche oder wissenschaftliche Tätigkeit im Bereich Data Science oder Machine Learning (Arbeitserfahrung, Praktika, Bachelorarbeit)

Weitere Details siehe Sprachkenntnisse auf dieser Seite.

Der Studiengang ist zulassungsbeschränkt. Eine Bewerbung ist nur zum Wintersemester möglich.  

Detaillierte Bewerbungsfristen zum Wintersemester:

• Bewerbungen mit deutschem Hochschulabschluss: bis 15. Juli 
• Bewerbungen aus der EU: bis 15. Juli 
• Bewerbungen aus Drittstaaten (Non-EU): bis 30. April

Übersicht Bewerbungsfristen Master
--
Internationale Bewerbungen: Bitte die abweichenden Bewerbungsformalitäten beachten.