Eingabe löschen

Kopfbereich

Schnellnavigation

Hauptnavigation

Curriculum Studium Data Science

Das Curriculum Ihres Studiums setzt sich aus verschiedenen Modulklassen zusammen, die Ihnen Fachwissen, mathematisch-wissenschaftliche Grundlagen, Praxiserfahrung sowie Kontextwissen aus Bereichen wie Kommunikation und Wirtschaft vermitteln.

Im dritten Studienjahr spezialisieren Sie sich mit der Belegung von Wahlpflichtmodulen. Klicken Sie auf die einzelnen Module, um mehr über Wahlmöglichkeiten, Unterrichtssprache oder ECTS-Credits zu erfahren.

Modulübersicht Vollzeitstudium

Diese Modultafel ist gültig seit 15. Juli 2020

Legende

Kontextmodule

Projektmodule

Fachmodule

Mathematisch-Naturwiss. Module

1. Semester, ECTS: 30, Semester Wochenlektionen: 30

Communication Competence 1

Communication Competence 1

Im Modul Communication Competence 1 liegt der Schwerpunkt auf folgenden Aspekten des Kommunikationstrainings: Information im wissenschaftlichen Kontext recherchieren und verarbeiten // Auftritts- und Sprachkompetenz für Präsentationen weiterentwickeln // Im Team Kommunikation gestalten und Feedback geben // Unterrichtssprache: DE/EN

Software Projects

Software Projects

Software-Projekte sind im gesamten Bereich der Data Science Einsatzgebieten anzutreffen. Angemessene Fertigkeiten der Studierenden sind von grosser Bedeutung für die Ausbildung. In diesem ersten Projektmodul wird das Fachwissen aus anderen Modulen angewandt und mit ersten Erfahrungen eines Projekts im Team angereichert. Dies beinhaltet Pflichtenhefterstellung, Softwareentwurf, Verfassen technischer Texte, Teamarbeit, Projektplanung und Codeverwaltung. // Unterrichtssprache: DE

Informatik Programmieren 1

Informatik Programmieren 1

Einführung in die Programmierung mit der Programmiersprache Python. // Unterrichtssprache: DE

Datenbanken

Datenbanken

Grundlagen der relationalen Datenbanken: relationale Algebra, Entity-Relationship-Design, SQL DDL/DML, effiziente und korrekte Datenbankabfragen in SQL, Indexe, Trigger, Transaktionen/ACID // Unterrichtssprache: DE

Data Science Grundlagen

Data Science Grundlagen

Der Kurs führt in die grundlegenden Aspekte der Arbeit eines Data Scientist ein. Die Studierenden entwickeln ein Verständnis für die technischen, ethischen und rechtlichen Herausforderungen in der Entwicklung von datenbasierten Produkten. In praktischen Übungen wird das Gelernte an realen Datensätzen umgesetzt. // Unterrichtssprache: DE

Explorative Datenanalyse

Explorative Datenanalyse

Das Modul Explorative Datenanalyse lehrt die Grundlagen der deskriptiven Statistik. Die Studierenden lernen mit der Statistiksoftware R beschreibende Datenanalysen durchzuführen. Dazu gehört das Aufbereiten, das Visualisieren und das Beschreiben der Daten mit Kennzahlen. // Unterrichtssprache: DE

Lineare Algebra 1

Lineare Algebra 1

Die Studierenden kennen und beherrschen die grundlegenden Begriffen und Sätzen der linearen Algebra und analytischen Geometrie. Sie können einfache konkrete Fragestellungen in die mathematische Sprache formulieren und sind in der Lage, diese selbständig zu lösen und Lösungsansätzen zu präsentieren. // Unterrichtssprache: DE

Analysis 1

Analysis 1

In diesem Modul werden grundlegende Konzepte und Methoden der Differential- und Integralrechnung einer reellen Variablen unterrichtet. // Unterrichtssprache: DE

2. Semester, ECTS: 30, Semester Wochenlektionen: 30

Communication Competence 2

Communication Competence 2

Im Modul Communication Competence 2 liegt der Schwerpunkt auf folgenden Aspekten des Kommunikationstrainings: Kollaboratives Schreiben und Peer-Feedback im wissenschaftlichen bzw. // beruflichen Kontext Vertiefung der Recherchierfähigkeit // Adressatenorientierte Kommunikation // Unterrichtssprache: DE/EN

Data Processing with R

Data Processing with R

Daten aufbereiten, bereinigen und visualisieren sind zentrale Aufgaben eines Data Scientists. In diesem Modul trainieren und festigen die Studierenden in Projektteams die dazu notwendigen Kompetenzen, welche Sie in den Modulen Explorative Datenanalyse und Datenbanken erworben haben. // Unterrichtssprache: DE

Informatik Programmieren 2

Informatik Programmieren 2

Im Rahmen komplexerer Softwareprojekte werden vorhandene Programmierkenntnisse praxistauglich ausgebaut und angewandt. Das Modul vermittelt dafür die Kompetenzen zur Erstellung robuster Softwareanwendungen in nicht immer fehlerfreien Umgebungen. Modellierungsansätze, Fehlerquellen und Optimierungsmöglichkeiten werden auf der Implementierungsebene verstanden. // Unterrichtssprache: DE

Data Engineering 1

Data Engineering 1

Das Gebiet des "Data Engineering" deckt die wesentlichen Schritte von der Erhebung der Rohdaten bis zur Bereitstellung der validierten, bereinigten Daten für die Nutzung ab. In "Data Engineering 1" werden die Grundlagen des Data Engineerings und die Verarbeitung unstrukturierter Daten thematisiert. // Unterrichtssprache: DE

Visualisation and Data Science Storytelling

Visualisation and Data Science Storytelling

Das Modul vermittelt Grundlagen zu Datenvisualisierung und Data Storytelling. Lerninhalte sind die visuellen Elemente, die Funktionen und Wirkkraft, die Analyse sowie die Interpretation von Datenvisualisierungen. In Praxisübungen lernen Sie, mit Datenvisualisierungen wirkungsvoll zu kommunizieren. // Unterrichtssprache: DE

Wahrscheinlichkeitsrechnen

Wahrscheinlichkeitsrechnen

Das Modul Wahrscheinlichkeitsrechnen führt in die Grundlagen der Wahrscheinlichkeitsrechnung ein. Die Studierenden lernen zufällige Ereignisse und deren Eigenschaften mit Wahrscheinlichkeits-Modellen zu beschreiben und mit der Statistiksoftware R zu quantifizieren. // Unterrichtssprache: DE

Lineare Algebra 2

Lineare Algebra 2

Die Studierenden kennen und beherrschen die grundlegenden Begriffen und Sätzen der linearen Algebra und komplexen Zahlen. Sie können einfache konkrete Fragestellungen in die mathematische Sprache formulieren und sind in der Lage, diese selbstständig zu lösen und Lösungsansätzen zu präsentieren. // Unterrichtssprache: DE

Analysis 2

Analysis 2

Grundlegende Konzepte und Methoden der Differential- und Integralrechnung in einer reellen Variablen, sowie deren Anwendung. // Unterrichtssprache: DE

3. Semester, ECTS: 30, Semester Wochenlektionen: 30

Communication Competence 3

Communication Competence 3

Im Modul Communication Competence 3 liegt der Schwerpunkt auf folgenden Aspekten des Kommunikationstrainings: Kommunikation im internationalen und interdisziplinären Umfeld, Sprachmittlung und Transfer zwischen Englisch und Deutsch, Argumentations- und Diskussionsführung // Unterrichtssprache: DE/EN

Frontend-, Web- und Software-Engineering

Frontend-, Web- und Software-Engineering

Das Modul Frontend-, Web- und Software-Engineering lehrt die Grundlagen der Frontend-Webentwicklung. Die Studierenden erhalten eine Einführung in die GUI Programmierung einerseits mit JavaScript, HTML und CSS, andererseits mit Python (PyQt). Sie lernen selbstständig eigene dynamische GUIs zu erstellen. Der Fokus des Moduls liegt auf der Frontend-Entwicklung für die Darstellung von Daten im Web. // Unterrichtssprache: DE

Operating Systems und Infrastruktur

Operating Systems und Infrastruktur

Um daten- und rechenintensive Anwendungen effizient einsetzen zu können müssen die grundlegenden Betriebssystemkonzepte verstanden werden. Auch bietet das Betriebssystem viele Werkzeuge für einfache Datenverarbeitung und Automatisierung mit Hilfe von Shellscripts. // Zudem lernen Sie, wie entfernte virtualisierte Infrastruktur und Dienste für die Verarbeitung von Daten genutzt werden kann. Sie können Clouddienste erstellen, nutzen und verknüpfen um gezielt daten- oder rechenintensive Anwendungen zu betreiben. // Unterrichtssprache: DE

Data Products and Services

Data Products and Services

Im Modul DPS werden die Grundlagen von Prozess-Management und "Business-Operations" in Bezug auf das Dienstleistungs-Management sowie die Dokumentation und Kommunikation von Dienstleistungen behandelt. // Unterrichtssprache: DE

Grundlagen der Statistik

Grundlagen der Statistik

Das Modul Grundlagen der Statistik lehrt die Grundlagen der schliessenden Statistik. Die Studierenden lernen Konzepte, die es erlauben, anhand einer Stichprobe auf die Grundgesamtheit zu schliessen. Durch computergestützte Verfahren lernen sie, die theoretischen Konzepte anzuwenden. // Unterrichtssprache: DE

Maschinelles Lernen und Data Mining

Maschinelles Lernen und Data Mining

Maschinelles Lernen und Data Mining sind existenzielle Bausteine erfolgreicher Datenprodukte und Datenanalyseprojekte. In diesem Modul lernen Sie Voraussetzungen für dessen Einsatz und verschiedene wichtige Methoden des maschinellen Lernens kennen. Es werden theoretische Grundlagen, aber auch praktische Umsetzungen der Methoden gelehrt. // Unterrichtssprache: DE

Analysis 3

Analysis 3

In diesem Modul werden lineare Differentialgleichungen sowie Systeme von Differentialgleichungen 1. Ordnung behandelt. Zudem werden Funktionen mehrerer Variablen behandelt, sowie Differential- und Integralrechnung dieser Funktionen inkl. Anwendung auf wichtige Beispiele. // Unterrichtssprache: DE

Physikalische Grundlagen der Sensorik

Physikalische Grundlagen der Sensorik

Die physikalischen Mechanismen und Konzepte von Sensoren werden exemplarisch diskutiert. Ausgehend von physikalischen Gesetzen und Effekten, werden die Messprozesse als solche bis hin zur Verarbeitung der Rohdaten und deren Bezug zu datenbasierten Modellen theoretisch und experimentell ergründet. // Unterrichtssprache: DE

4. Semester, ECTS: 30, Semester Wochenlektionen: 30

Digitalisierung technischer Wirtschaftssysteme

Digitalisierung technischer Wirtschaftssysteme

Die Digitalisierung führt zu einem tiefgreifenden Wandel des gesamten Wirtschaftssystems. In dieser Vorlesung wird der Frage nachgegangen, welche konkreten Auswirkungen die digitale Transformation auf die Geschäftsmodelle etablierter und neuer Unternehmen hat. Es wird beleuchtet, welche Chancen sich aus der Digitalisierung ergeben und welche Hindernisse oder Risiken bestehen. // Unterrichtssprache: DE

Big Data Project

Big Data Project

Der Schwerpunkt dieses Moduls liegt darauf, praktische Erfahrungen im Umgang mit Big-Data-Problemen zu sammeln. Das Modul basiert auf den theoretischen Grundlagen von "Data Engineering 1" und "Data Engineering 2". Die Studierenden werden ausgewählte Themen dieser Grundlagenkurse analysieren und dann skalierbare Anwendungen unter Verwendung der neuesten Big-Data-Technologien implementieren. // Unterrichtssprache: DE/EN

Einführung in Natural Language Processing

Einführung in Natural Language Processing

Unterrichtssprache: DE

Data Engineering 2

Data Engineering 2

Die verschiedenen Themen des Data Engineering sind existenzielle Bausteine erfolgreicher Datenprodukte und Datenanalyseprojekte. In diesem Modul lernen Sie Voraussetzungen für dessen Einsatz und verschiedene wichtige Methoden des Data Engineering kennen. Es werden theoretische Grundlagen, aber auch praktische Umsetzungen der Methoden gelehrt. // Unterrichtssprache: DE

Digital Entrepreneurship

Digital Entrepreneurship

Im Modul DENT lernen die Studierenden grundlegende Modelle und Methoden kennen, mit denen intelligente, vernetzte Produkte ("Smart Connected Products") und digitale Services unternehmerisch zum Erfolg geführt werden können. Parallel wird das Gelernte exemplarisch mit Jungunternehmen sowie in innovativen Vorhaben in etablierten Unternehmen umgesetzt. // Unterrichtssprache: DE

Maschinelles Lernen und Data Mining 2

Maschinelles Lernen und Data Mining 2

Unterrichtssprache: DE

Statistisches Modellieren

Statistisches Modellieren

Das Modul führt anhand der linearen Regressionsanalyse in die Grundlagen des statistischen Modellierens ein. Es werden dabei Aspekte der Modellstruktur, der Inferenz, der Prognose, der Residuenanalyse sowie der Modellentwicklung im Detail theoretisch und an konkreten Fallbeispielen betrachtet. // Unterrichtssprache: DE

Numerik

Numerik

Dieses Modul gibt eine Einführung in theoretische und algorithmische Aspekte mathematischer Techniken auf Rechenmaschinen. // Unterrichtssprache: DE

5. Semester, ECTS: 30, Semester Wochenlektionen: 24

Projektarbeit Data Science

Projektarbeit Data Science

Die Projektarbeit findet im 5. Semester statt. Sie besteht aus der selbständigen Bearbeitung einer konkreten technisch-wissenschaftlichen Fragestellung aus dem Bereich Data Science unter Anleitung einer/eines Dozierenden. Während des Projektverlaufs geben die Studierenden regelmässig Auskunft über den Fortschritt ihrer Arbeit. Im schriftlichen Schlussbericht werden die Problemstellung, der Arbeitsauftrag, die Projektdurchführung und die Arbeitsergebnisse dokumentiert. // Unterrichtssprache: DE

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul SG-übergreifend

Wahlpflichtmodul SG-übergreifend

  • ECTS: 4

Modul aus Gruppe

Sie wählen ein Fachmodul gemäss Ihren Interessen aus.

6. Semester, ECTS: 30, Semester Wochenlektionen: 18

Wahlpflichtmodul

Wahlpflichtmodul

Sie wählen ein Kontextmodul gemäss Ihren Interessen aus.

Bachelorarbeit Data Science

Bachelorarbeit Data Science

Die Bachelorarbeit findet im 6. Semester (bzw. 8. Semester Teilzeit) statt. Sie besteht aus der selbständigen Bearbeitung einer konkreten technisch-wissenschaftlichen Fragestellung aus dem Bereich Data Science. Die Bachelorarbeit wird in der Regel in einem Zweierteam (Gruppenarbeit) bearbeitet. Während der Bearbeitungszeit geben die Studierenden regelmässig Auskunft über den Fortschritt ihrer Arbeit. Im schriftlichen Schlussbericht werden die Problemstellung, der Arbeitsauftrag, die Projektdurchführung und die Arbeitsergebnisse dokumentiert. // Unterrichtssprache: DE

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Die Liste der Wahlpflichtmodule bildet den heutigen Stand des Angebots ab. Es kann sich bis zum Erreichen des dritten Studienjahres ändern.

Modulübersicht Teilzeitstudium

Diese Modultafel ist gültig seit 15. Juli 2020

Legende

Kontextmodule

Fachmodule

Mathematisch-Naturwiss. Module

Projektmodule

1. Semester, ECTS: 22, Semester Wochenlektionen: 22

Communication Competence 1

Communication Competence 1

Im Modul Communication Competence 1 liegt der Schwerpunkt auf folgenden Aspekten des Kommunikationstrainings: Information im wissenschaftlichen Kontext recherchieren und verarbeiten // Auftritts- und Sprachkompetenz für Präsentationen weiterentwickeln // Im Team Kommunikation gestalten und Feedback geben // Unterrichtssprache: DE/EN

Informatik Programmieren 1

Informatik Programmieren 1

Einführung in die Programmierung mit der Programmiersprache Python. // Unterrichtssprache: DE

Datenbanken

Datenbanken

Grundlagen der relationalen Datenbanken: relationale Algebra, Entity-Relationship-Design, SQL DDL/DML, effiziente und korrekte Datenbankabfragen in SQL, Indexe, Trigger, Transaktionen/ACID // Unterrichtssprache: DE

Explorative Datenanalyse

Explorative Datenanalyse

Das Modul Explorative Datenanalyse lehrt die Grundlagen der deskriptiven Statistik. Die Studierenden lernen mit der Statistiksoftware R beschreibende Datenanalysen durchzuführen. Dazu gehört das Aufbereiten, das Visualisieren und das Beschreiben der Daten mit Kennzahlen. // Unterrichtssprache: DE

Lineare Algebra 1

Lineare Algebra 1

Die Studierenden kennen und beherrschen die grundlegenden Begriffen und Sätzen der linearen Algebra und analytischen Geometrie. Sie können einfache konkrete Fragestellungen in die mathematische Sprache formulieren und sind in der Lage, diese selbständig zu lösen und Lösungsansätzen zu präsentieren. // Unterrichtssprache: DE

Analysis 1

Analysis 1

In diesem Modul werden grundlegende Konzepte und Methoden der Differential- und Integralrechnung einer reellen Variablen unterrichtet. // Unterrichtssprache: DE

2. Semester, ECTS: 22, Semester Wochenlektionen: 22

Communication Competence 2

Communication Competence 2

Im Modul Communication Competence 2 liegt der Schwerpunkt auf folgenden Aspekten des Kommunikationstrainings: Kollaboratives Schreiben und Peer-Feedback im wissenschaftlichen bzw. // beruflichen Kontext Vertiefung der Recherchierfähigkeit // Adressatenorientierte Kommunikation // Unterrichtssprache: DE/EN

Informatik Programmieren 2

Informatik Programmieren 2

Im Rahmen komplexerer Softwareprojekte werden vorhandene Programmierkenntnisse praxistauglich ausgebaut und angewandt. Das Modul vermittelt dafür die Kompetenzen zur Erstellung robuster Softwareanwendungen in nicht immer fehlerfreien Umgebungen. Modellierungsansätze, Fehlerquellen und Optimierungsmöglichkeiten werden auf der Implementierungsebene verstanden. // Unterrichtssprache: DE

Data Engineering 1

Data Engineering 1

Das Gebiet des "Data Engineering" deckt die wesentlichen Schritte von der Erhebung der Rohdaten bis zur Bereitstellung der validierten, bereinigten Daten für die Nutzung ab. In "Data Engineering 1" werden die Grundlagen des Data Engineerings und die Verarbeitung unstrukturierter Daten thematisiert. // Unterrichtssprache: DE

Wahrscheinlichkeitsrechnen

Wahrscheinlichkeitsrechnen

Das Modul Wahrscheinlichkeitsrechnen führt in die Grundlagen der Wahrscheinlichkeitsrechnung ein. Die Studierenden lernen zufällige Ereignisse und deren Eigenschaften mit Wahrscheinlichkeits-Modellen zu beschreiben und mit der Statistiksoftware R zu quantifizieren. // Unterrichtssprache: DE

Lineare Algebra 2

Lineare Algebra 2

Die Studierenden kennen und beherrschen die grundlegenden Begriffen und Sätzen der linearen Algebra und komplexen Zahlen. Sie können einfache konkrete Fragestellungen in die mathematische Sprache formulieren und sind in der Lage, diese selbstständig zu lösen und Lösungsansätzen zu präsentieren. // Unterrichtssprache: DE

Analysis 2

Analysis 2

Grundlegende Konzepte und Methoden der Differential- und Integralrechnung in einer reellen Variablen, sowie deren Anwendung. // Unterrichtssprache: DE

3. Semester, ECTS: 22, Semester Wochenlektionen: 22

Communication Competence 3

Communication Competence 3

Im Modul Communication Competence 3 liegt der Schwerpunkt auf folgenden Aspekten des Kommunikationstrainings: Kommunikation im internationalen und interdisziplinären Umfeld, Sprachmittlung und Transfer zwischen Englisch und Deutsch, Argumentations- und Diskussionsführung // Unterrichtssprache: DE/EN

Software Projects

Software Projects

Software-Projekte sind im gesamten Bereich der Data Science Einsatzgebieten anzutreffen. Angemessene Fertigkeiten der Studierenden sind von grosser Bedeutung für die Ausbildung. In diesem ersten Projektmodul wird das Fachwissen aus anderen Modulen angewandt und mit ersten Erfahrungen eines Projekts im Team angereichert. Dies beinhaltet Pflichtenhefterstellung, Softwareentwurf, Verfassen technischer Texte, Teamarbeit, Projektplanung und Codeverwaltung. // Unterrichtssprache: DE

Data Products and Services

Data Products and Services

Im Modul DPS werden die Grundlagen von Prozess-Management und "Business-Operations" in Bezug auf das Dienstleistungs-Management sowie die Dokumentation und Kommunikation von Dienstleistungen behandelt. // Unterrichtssprache: DE

Data Science Grundlagen

Data Science Grundlagen

Der Kurs führt in die grundlegenden Aspekte der Arbeit eines Data Scientist ein. Die Studierenden entwickeln ein Verständnis für die technischen, ethischen und rechtlichen Herausforderungen in der Entwicklung von datenbasierten Produkten. In praktischen Übungen wird das Gelernte an realen Datensätzen umgesetzt. // Unterrichtssprache: DE

Analysis 3

Analysis 3

In diesem Modul werden lineare Differentialgleichungen sowie Systeme von Differentialgleichungen 1. Ordnung behandelt. Zudem werden Funktionen mehrerer Variablen behandelt, sowie Differential- und Integralrechnung dieser Funktionen inkl. Anwendung auf wichtige Beispiele. // Unterrichtssprache: DE

Physikalische Grundlagen der Sensorik

Physikalische Grundlagen der Sensorik

Die physikalischen Mechanismen und Konzepte von Sensoren werden exemplarisch diskutiert. Ausgehend von physikalischen Gesetzen und Effekten, werden die Messprozesse als solche bis hin zur Verarbeitung der Rohdaten und deren Bezug zu datenbasierten Modellen theoretisch und experimentell ergründet. // Unterrichtssprache: DE

4. Semester, ECTS: 22, Semester Wochenlektionen: 22

Digitalisierung technischer Wirtschaftssysteme

Digitalisierung technischer Wirtschaftssysteme

Die Digitalisierung führt zu einem tiefgreifenden Wandel des gesamten Wirtschaftssystems. In dieser Vorlesung wird der Frage nachgegangen, welche konkreten Auswirkungen die digitale Transformation auf die Geschäftsmodelle etablierter und neuer Unternehmen hat. Es wird beleuchtet, welche Chancen sich aus der Digitalisierung ergeben und welche Hindernisse oder Risiken bestehen. // Unterrichtssprache: DE

Data Processing with R

Data Processing with R

Daten aufbereiten, bereinigen und visualisieren sind zentrale Aufgaben eines Data Scientists. In diesem Modul trainieren und festigen die Studierenden in Projektteams die dazu notwendigen Kompetenzen, welche Sie in den Modulen Explorative Datenanalyse und Datenbanken erworben haben. // Unterrichtssprache: DE

Data Engineering 2

Data Engineering 2

Die verschiedenen Themen des Data Engineering sind existenzielle Bausteine erfolgreicher Datenprodukte und Datenanalyseprojekte. In diesem Modul lernen Sie Voraussetzungen für dessen Einsatz und verschiedene wichtige Methoden des Data Engineering kennen. Es werden theoretische Grundlagen, aber auch praktische Umsetzungen der Methoden gelehrt. // Unterrichtssprache: DE

Digital Entrepreneurship

Digital Entrepreneurship

Im Modul DENT lernen die Studierenden grundlegende Modelle und Methoden kennen, mit denen intelligente, vernetzte Produkte ("Smart Connected Products") und digitale Services unternehmerisch zum Erfolg geführt werden können. Parallel wird das Gelernte exemplarisch mit Jungunternehmen sowie in innovativen Vorhaben in etablierten Unternehmen umgesetzt. // Unterrichtssprache: DE

Visualisation and Data Science Storytelling

Visualisation and Data Science Storytelling

Das Modul vermittelt Grundlagen zu Datenvisualisierung und Data Storytelling. Lerninhalte sind die visuellen Elemente, die Funktionen und Wirkkraft, die Analyse sowie die Interpretation von Datenvisualisierungen. In Praxisübungen lernen Sie, mit Datenvisualisierungen wirkungsvoll zu kommunizieren. // Unterrichtssprache: DE

Numerik

Numerik

Dieses Modul gibt eine Einführung in theoretische und algorithmische Aspekte mathematischer Techniken auf Rechenmaschinen. // Unterrichtssprache: DE

5. Semester, ECTS: 22, Semester Wochenlektionen: 22

Frontend-, Web- und Software-Engineering

Frontend-, Web- und Software-Engineering

Das Modul Frontend-, Web- und Software-Engineering lehrt die Grundlagen der Frontend-Webentwicklung. Die Studierenden erhalten eine Einführung in die GUI Programmierung einerseits mit JavaScript, HTML und CSS, andererseits mit Python (PyQt). Sie lernen selbstständig eigene dynamische GUIs zu erstellen. Der Fokus des Moduls liegt auf der Frontend-Entwicklung für die Darstellung von Daten im Web. // Unterrichtssprache: DE

Operating Systems und Infrastruktur

Operating Systems und Infrastruktur

Um daten- und rechenintensive Anwendungen effizient einsetzen zu können müssen die grundlegenden Betriebssystemkonzepte verstanden werden. Auch bietet das Betriebssystem viele Werkzeuge für einfache Datenverarbeitung und Automatisierung mit Hilfe von Shellscripts. // Zudem lernen Sie, wie entfernte virtualisierte Infrastruktur und Dienste für die Verarbeitung von Daten genutzt werden kann. Sie können Clouddienste erstellen, nutzen und verknüpfen um gezielt daten- oder rechenintensive Anwendungen zu betreiben. // Unterrichtssprache: DE

Grundlagen der Statistik

Grundlagen der Statistik

Das Modul Grundlagen der Statistik lehrt die Grundlagen der schliessenden Statistik. Die Studierenden lernen Konzepte, die es erlauben, anhand einer Stichprobe auf die Grundgesamtheit zu schliessen. Durch computergestützte Verfahren lernen sie, die theoretischen Konzepte anzuwenden. // Unterrichtssprache: DE

Maschinelles Lernen und Data Mining

Maschinelles Lernen und Data Mining

Maschinelles Lernen und Data Mining sind existenzielle Bausteine erfolgreicher Datenprodukte und Datenanalyseprojekte. In diesem Modul lernen Sie Voraussetzungen für dessen Einsatz und verschiedene wichtige Methoden des maschinellen Lernens kennen. Es werden theoretische Grundlagen, aber auch praktische Umsetzungen der Methoden gelehrt. // Unterrichtssprache: DE

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

6. Semester, ECTS: 22, Semester Wochenlektionen: 22

Big Data Project

Big Data Project

Der Schwerpunkt dieses Moduls liegt darauf, praktische Erfahrungen im Umgang mit Big-Data-Problemen zu sammeln. Das Modul basiert auf den theoretischen Grundlagen von "Data Engineering 1" und "Data Engineering 2". Die Studierenden werden ausgewählte Themen dieser Grundlagenkurse analysieren und dann skalierbare Anwendungen unter Verwendung der neuesten Big-Data-Technologien implementieren. // Unterrichtssprache: DE/EN

Einführung in Natural Language Processing

Einführung in Natural Language Processing

Unterrichtssprache: DE

Maschinelles Lernen und Data Mining 2

Maschinelles Lernen und Data Mining 2

Unterrichtssprache: DE

Statistisches Modellieren

Statistisches Modellieren

Das Modul führt anhand der linearen Regressionsanalyse in die Grundlagen des statistischen Modellierens ein. Es werden dabei Aspekte der Modellstruktur, der Inferenz, der Prognose, der Residuenanalyse sowie der Modellentwicklung im Detail theoretisch und an konkreten Fallbeispielen betrachtet. // Unterrichtssprache: DE

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

7. Semester, ECTS: 24, Semester Wochenlektionen: 18

Wahlpflichtmodul

Wahlpflichtmodul

Sie wählen ein Kontextmodul gemäss Ihren Interessen aus.

Projektarbeit Data Science

Projektarbeit Data Science

Die Projektarbeit findet im 5. Semester statt. Sie besteht aus der selbständigen Bearbeitung einer konkreten technisch-wissenschaftlichen Fragestellung aus dem Bereich Data Science unter Anleitung einer/eines Dozierenden. Während des Projektverlaufs geben die Studierenden regelmässig Auskunft über den Fortschritt ihrer Arbeit. Im schriftlichen Schlussbericht werden die Problemstellung, der Arbeitsauftrag, die Projektdurchführung und die Arbeitsergebnisse dokumentiert. // Unterrichtssprache: DE

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul SG-übergreifend

Wahlpflichtmodul SG-übergreifend

  • ECTS: 4

Modul aus Gruppe

Sie wählen ein Fachmodul gemäss Ihren Interessen aus.

8. Semester, ECTS: 24, Semester Wochenlektionen: 12

Bachelorarbeit Data Science

Bachelorarbeit Data Science

Die Bachelorarbeit findet im 6. Semester (bzw. 8. Semester Teilzeit) statt. Sie besteht aus der selbständigen Bearbeitung einer konkreten technisch-wissenschaftlichen Fragestellung aus dem Bereich Data Science. Die Bachelorarbeit wird in der Regel in einem Zweierteam (Gruppenarbeit) bearbeitet. Während der Bearbeitungszeit geben die Studierenden regelmässig Auskunft über den Fortschritt ihrer Arbeit. Im schriftlichen Schlussbericht werden die Problemstellung, der Arbeitsauftrag, die Projektdurchführung und die Arbeitsergebnisse dokumentiert. // Unterrichtssprache: DE

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Wahlpflichtmodul

Wahlpflichtmodul

  • ECTS: 4

Modul aus Gruppe

  • Software Engineering/Informatik
  • Information Engineering
  • Künstliche Intelligenz
  • Multimedia
  • Robotics, Industrielle Fertigung, Automatisierung
  • Signal- und Informationsverarbeitung, Digitale Signalverarbeitung
  • (Daten-gestütztes) Service Engineering
  • Quantitative Methoden im Marketing
  • Finance/Banking
  • Digital Health
  • Maschinen- und Anlagedaten
  • Mobility Data
  • Computational Life Sciences

Die Liste der Wahlpflichtmodule bildet den heutigen Stand des Angebots ab. Es kann sich bis zum Erreichen des dritten Studienjahres ändern.