Daten-intensives Rechnen
„Big Data“ bezeichnet die schnell wachsenden Datenmengen, welche in Wissenschaft, Technik und unserem täglichen Leben entstehen. Durch Technologien wie „Cloud Computing“ und „Mehrkern-Prozessoren“ können diese großen Datenmengen verarbeitet werden. Um aus dieser Datenflut sinnvolles Wissen zu gewinnen, sind Kompetenzen in Data Science, wissenschaftlichem Rechnen, Parallelverarbeitung und Algorithmen notwendig. Dieses Studienprofil verknüpft all diese Aspekte und ist dabei gleichermaßen interdisziplinär, theoretisch fundiert und an aktuellen Anwendungen orientiert.
Absolventen des Studienprofils „Daten-Intensives Rechnen“ sollen neben den Informatik- Grundlagen ebenso interdisziplinäre Kompetenzen in Mathematik sowie ausgewählten Natur- und Ingenieurwissenschaften erwerben. Studierende sind somit in der Lage, interdisziplinär Algorithmen, Methoden und Werkzeuge mit realweltlichen Anwendungen zu verknüpfen. Als Data Analysts, Data Managers, Computational Engineers aber auch Computational/Data Scientists haben sich Studierende damit optimal für die Wissenschaft und Wirtschaft in Ihrem Studium qualifiziert.
Englischer Name: Data-Intensive Computing
Designierter Sprecher / stellvertretender Sprecher: Prof. Peter Sanders / Prof. Achim Streit
Besondere im Profil erworbene Kompetenzen:
- Absolventen kennen Grundlagen in Datenanalyse, Simulationen, Data-Management, Algorithmen und Sicherheit, können diese weiterentwickeln und optimieren.
- Sie haben ein Grundverständnis in Mathematik und ausgewählten Natur- und Ingenieurwissenschaften entwickelt und können die Anforderungen aus diesen Disziplinen an das datenintensive Rechnen extrahieren und spezifizieren.
- Sie können das Portfolio an Algorithmen, Methoden und Werkzeugen anwenden, um interdisziplinär fortschrittliche und leistungsfähige Lösungen für Natur- und Ingenieurwissenschaften sowie einen industriellen Einsatz zu entwickeln.
- Die Masterarbeit muss aus dem Themenbereich des Studienprofils sein.
- Es müssen mindestens 10 LP aus jedem der beiden Wahlpflichtblöcke „Daten“ sowie „Algorithmen und Parallelverarbeitung“ belegt werden.
- Zusätzlich müssen zwei der Stammmodule Rechnerstrukturen, IT Security (früher: IT-Sicherheit; Sicherheit), Algorithms II (früher: Algorithmen II), Advanced Artificial Intelligence (früher: Fortgeschrittene Künstliche Intelligenz; Kognitive Systeme) (mind. 12 LP) belegt werden. Sollten die Stammmodule bereits im Bachelor geprüft worden sein, müssen mehr LP aus den anderen Bereichen (Wahlpflichtblöcke, Wahlblock, Ergänzungsfach) belegt werden.
- Es muss eines der folgenden Ergänzungsfächer „Materialwissenschaften für datenintensives Rechnen“, „Mathematik für datenintensives Rechnen“ oder „Betriebswirtschaftslehre für datenintensives Rechnen“ belegt werden (9-18 LP).
- Weitere thematisch passende Seminare, Praktika oder Praxis der Forschung können in Absprache mit dem Profilkoordinator belegt werden.
- Es müssen insgesamt mindestens 54 LP aus 2.-5. und dem Wahlblock erbracht werden.
V=Vorlesung (Lecture), S=Seminar (Seminar), P=Praktikum (Practical course), Ü=Übung (Practice)
Wahlpflichtblock Daten (mind. 10 LP)
Compulsory elective subject "Daten" (at least 10 CP) |
Lehrveranstaltung / Course | Modul / Module | Teilleistung / Partial achievement | LP / CP | Art / Course type |
Data Science (wählbar ab / selectable from WS23/24) ersetzt Data Science 1 und 2 |
M-INFO-106505 | T-INFO-113124 | 8 | V | |
Data Science 1 (wählbar von / selectable from WS 21/22 bis /to SS 23 früher / former: Analysetechniken für große Datenbestände (wählbar bis / selectable up to SS 2021) |
M-INFO-105799 (M-INFO-100768) |
T-INFO-111622 (T-INFO-101305) |
5 | V | |
Data Science 2 (wählbar von / selectable from WS 21/22 bis / to SS 23)
|
M-INFO-105801 (M-INFO-102773) |
T-INFO-111626 (T-INFO-105742) |
3 | V | |
Data and Storage Management (wählbar bis / selectable up to WS 23/24) |
M-INFO-100739 | T-INFO-101276 | 4 | V | |
Datenbank-Praktikum | M-INFO-101662 | T-INFO-103201 | 4 | V | |
Datenbankeinsatz (wählbar bis / selectable up to WS 24/25) | M-INFO-100780 | T-INFO-101317 | 5 | V | |
Datenbankfunktionalität in der Cloud (wählbar bis / selectable up to WS 24/25) |
M-INFO-105724 (M-INFO-100769) |
T-INFO-111400 (T-INFO-101306) |
5 | V | |
Praktikum: Analyse großer Datenbestände (wählbar bis / selectable up to SS 2021) |
M-INFO-101663 | T-INFO-103202 | 4 | P | |
Praktikum: Analysis of Complex Data Sets (wählbar bis / selectable up to WS 22/23) | M-INFO-102807 | T-INFO-105796 | 4 | P | |
Praktikum: Datenmanagement und Datenanalyse (wählbar bis / selectable up to SS 2021) | M-INFO-103050 | T-INFO-106066 | 4 | P | |
Seminar: Big Data Tools (wählbar bis SS / selectable up to 2021) | M-INFO-101886 | T-INFO-103583 | 3 | S | |
Seminar: Informationssysteme | M-INFO-101794 | T-INFO-103456 | 3 | S | |
Verteiltes Rechnen | M-INFO-100761 | T-INFO-101298 | 4 | V | |
Wahlpflichtblock Algorithmen und Parallelverarbeitung (mind. 10 LP)
Compulsory elective subject "Algorithmen und Parallelverarbeitung" (at least 10 CP) |
Lehrveranstaltung | Modul | Teilleistung | LP | Art |
Algorithm Engineering | M-INFO-100795 | T-INFO-101332 | 5 | V | |
Algorithmen für Routenplanung | M-INFO-100031 | T-INFO-100002 | 5 | V | |
Algorithms II (Stammmodul / advanced mandatory module) Bis / until WS 24/25: Algorithmen II |
M-INFO-107201 (M-INFO-101173) |
T-INFO-114225 (T-INFO-102020) |
6 | V | |
Fortgeschrittene Datenstrukturen | M-INFO-102731 | T-INFO-105687 | 5 | V | |
Graphpartitionierung und Graphenclustern in Theorie und Praxis | M-INFO-100758 | T-INFO-101295 | 5 | V | |
Heterogene parallele Rechensysteme | M-INFO-100822 | T-INFO-101359 | 3 | V | |
Parallele Algorithmen | M-INFO-100796 | T-INFO-101333 | 5 | V | |
Parallelrechner und Parallelprogrammierung | M-INFO-100808 | T-INFO-101345 | 4 | V | |
Practical Course: Visual Computing |
M-INFO-101567 | T-INFO-103000 | 6 | P | |
Praktikum: Algorithmentechnik | M-INFO-102072 | T-INFO-104374 | 6 | P | |
Praktikum: General-Purpose Computation on Graphics Processing Units | M-INFO-100724 | T-INFO-101261 | 3 | P | |
Randomisierte Algorithmen |
M-INFO-100794 | T-INFO-101331 | 5 | V | |
Rechnerstrukturen (Stammmodul / advanced mandatory module) | M-INFO-100818 | T-INFO-101355 | 6 | V | |
Seminar: Advanced Topics in Parallel Programming (wählbar bis / selectable up to SS 2021) | M-INFO-101887 | T-INFO-103584 | 3 | S | |
Softwarepraktikum Parallele Numerik | M-INFO-102998 | T-INFO-105988 | 4 | P | |
Text-Indexierung | M-INFO-102732 | T-INFO-105691 | 5 | V | |
Wahlblock
Elective block |
Lehrveranstaltung | Modul | Teilleistung | LP | Art |
Advanced Artificial Intelligence (neuer Titel ab / new title from SS 2025) Stammmodul / advanced mandatory module!!!!
|
M-INFO-107198 (M-INFO-106299) |
T-INFO-114220 (T-INFO-112768) |
6 | V | |
Automatische Sichtprüfung und Bildverarbeitung | M-INFO-100826 | T-INFO-101363 | 6 | V | |
Computer Vision für Mensch-Maschine-Schnittstellen (wählbar bis / selectable up to SS 2021) | M-INFO-100810 | T-INFO-101347 | 6 | V | |
Deep Learning für Computer Vision |
M-INFO-104099 | T-INFO-108484 | 3 | V | |
Deep Learning and Neural Networks (ab / from SS 2025 Englischer Titel / English title) früher / former: Deep Learning und Neuronale Netze; Neuronale Netze |
M-INFO-107197 (M-INFO-104460) |
T-INFO-114219 (T-INFO-109124) |
6 | V | |
Energieinformatik |
M-INFO-106864 (M-INFO-101885) (M-INFO-103044) |
T-INFO-103582 (T-INFO-103582) |
10 | V | |
Energieinformatik 2 (wählbar bis / selectable up to SS 2024) |
M-INFO-103044 |
T-INFO-106059 | 5 | V | |
Gehirn und Zentrales Nervensystem | M-INFO-100725 | T-INFO-101262 | 3 | V | |
Grundlagen der Automatischen Spracherkennung (wählbar bis / selectable up to WS 23/24) | M-INFO-100847 | T-INFO-101384 | 6 | V | |
Hands-on Bioinformatics Practical | M-INFO-101573 | T-INFO-103009 | 3 | P | |
Informationsverarbeitung in Sensornetzwerken (wählbar bis / selectable up to SS 24) | M-INFO-100895 | T-INFO-101466 | 6 | V | |
Inhaltsbasierte Bild- und Videoanalyse (wählbar bis / selectable up to SS 23) |
M-INFO-100852 | T-INFO-101389 | 3 | V | |
Introduction to Bioinformatics for Computer Scientists | M-INFO-100749 | T-INFO-101286 | 3 | V | |
IT Security (Stammmodul / advanced mandatory module) ersetzt ab / replaces from SS 2025: IT-Sicherheit
|
M-INFO-106315 | T-INFO-112818 | 6 | V | |
Kontextsensitive Systeme | M-INFO-100728 | T-INFO-107499 | 5 | V | |
Maschinelle Übersetzung | M-INFO-100848 | T-INFO-101385 | 6 | V | |
Maschinelles Lernen - Grundverfahren (wählbar bis / selectable up to SS 21) | M-INFO-105252 | T-INFO-110630 | 5 | V | |
Mustererkennung | M-INFO-100825 | T-INFO-101362 | 3 | V | |
Next Generation Internet | M-INFO-100784 | T-INFO-101321 | 4 | V | |
Seminar: Hot Topics in Bioinformatics | M-INFO-100750 | T-INFO-101287 | 3 | S | |
Stochastische Informationsverarbeitung | M-INFO-100829 | T-INFO-101366 | 6 | V | |
Unscharfe Mengen (wählbar bis / selectable up to WS 24/25) | M-INFO-100839 | T-INFO-101376 | 6 | V | |
Visualisierung | M-INFO-100738 | T-INFO-101275 | 5 | V | |
Mathematik für Daten-Intensives Rechnen / Mathematics for Data Intensive Computing (mind. 9 LP)
Minor Studies "Mathematik für Daten-Intensives Rechnen" (at least 9 CP) |
Lehrveranstaltung | Modul | Teilleistung | LP | Art |
Bayes'sche inverse Probleme und deren Verbindungen zum maschinellen Lernen |
M-MATH-106328 | T-MATH-112842 | 4 | V | |
Computational Fluid Dynamics and Simulation Lab |
M-MATH-106634 | T-MATH-105889 | 4 | V | |
Einführung in das Wissenschaftliche Rechnen | M-MATH-102889 | T-MATH-105837 | 9 | V | |
Einführung in die kinetische Theorie | M-MATH-103919 | T-MATH-108013 | 4 | V | |
Extremwerttheorie (Voraussetzung / Prerequisite: Wahrscheinlichkeitstheorie M-MATH-101322) | M-MATH-102939 | T-MATH-105908 | 5 | V | |
Generalisierte Regressionsmodelle | M-MATH-102906 | T-MATH-105870 | 5 | V | |
Mathematische Modellierung und Simulation in der Praxis | M-MATH-102929 | T-MATH-105889 | 5 | V | |
MathSEE Modeling Week ab WS 25/26 |
M-MATH-106836 | T-MATH-113711 | 3 | V | |
Nichtparametrische Statistik (Voraussetzung / Prerequisite: Wahrscheinlichkeitstheorie M-MATH-101322) | M-MATH-102910 | T-MATH-105873 | 5 | V | |
Numerische Lineare Algebra für das wissenschaftliche Rechnen auf Hochleistungsrechnern | M-MATH-103709 | T-MATH-107497 | 5 | V | |
Optimierungstheorie | M-MATH-103219 | T-MATH-106401 | 9 | V | |
Quantifizierung von Unsicherheiten |
M-MATH-104054 | T-MATH-108399 | 4 | V | |
Statistik (+Ü-Schein / + Practice) | M-MATH-103220 | T-MATH-106415 | 10 | V | |
Stochastische Simulation | M-MATH-106053 | T-MATH-112242 | 5 | V | |
Vorhersagen: Theorie und Praxis (Voraussetzung / Prerequisite: Wahrscheinlichkeitstheorie M-MATH-101322) | M-MATH-102956 | T-MATH-105928 | 9 | V | |
Zeitreihenanalyse (Voraussetzung / Prerequisite: Wahrscheinlichkeitstheorie M-MATH-101322) | M-MATH-102911 | T-MATH-105874 | 5 | V | |
Ergänzungsfach Betriebswirtschaftslehre für datenintensives Rechnen (mind. 9 LP)
Minor Studies "Betriebswirtschaftslehre für datenintensives Rechnen" (at least 9 CP) |
Lehrveranstaltung | Modul | Teilleistung | LP | Art |
Artificial Intelligence in Service Systems - Applications in Computer Vision | M-INFO-104199 | T-WIWI-111219 | 4,5 | V | |
Business Data Strategy | T-WIWI-106187 | 4,5 | V | ||
Business Intelligence Systems | T-WIWI-105777 | 4,5 | V | ||
Marketing Analytics | T-WIWI-103139 | 4,5 | V | ||
Modeling and Analyzing Consumer Behavior in R | T-WIWI-102899 | 4,5 | V | ||
Multivariate Verfahren | T-WIWI-103124 | 4,5 | V | ||
OR in Supply Chain Management | T-WIWI-102715 | 4,5 | V | ||
Recommender Systeme | T-WIWI-102847 | 4,5 | V | ||
Statistik für Fortgeschrittene | T-WIWI-103123 | 4,5 | V | ||
Service Analytics A (wählbar bis / selectable up to WS 20/21) | T-WIWI-105778 | 4,5 | V | ||
Ergänzungsfach Materialwissenschaften für datenintensives Rechnen (mind. 9 LP)
Minor Studies |
Lehrveranstaltung | Modul | Teilleistung | LP | Art |
Atomistische Simulation und Molekulardynamik | M-INFO-104200 | T-MACH-105308 | 4 | V | |
Einführung in die Finite-Elemente-Methode | T-MACH-105320 | 4 | V | ||
Bitte beachten / Please note: Bestehen von / Passing the „Übungen zu Einführung in die Finite-Elemente-Methode“ ist Voraussetzung für / is a prerequisite for "Einführung in die Finite-Elemtente-Methode" |
T-MACH-110330 | 1 | Ü | ||
Mikrostruktursimulation | T-MACH-105303 | 5 | V | ||
Statistik | T-MATH-106415 | 10 | V | ||
Statistik | T-MATH-106415 | 0 | P | ||
Werkstoffmodellierung: versetzungsbasierte Plastizität | T-MACH-105369 | 4 | V | ||
Werkstoffsimulation | T-MACH-107660 | 8 | S | ||
Computational Homogenization on Digital Image Data wird ab WS 23/24 nicht mehr angeboten!!! no longer offered as of WS 23/24 !!! |
M-MACH-102646 | T-MACH-109302 | 6 | V | |
Digital microstructure characterization and modeling wird ab WS 23/24 nicht mehr angeboten!!! no longer offered as of WS 23/24 !!! |
M-MACH-102597 | T-MACH-110431 | 6 | V | |
Nichtlineare Optimierungsmethoden wird ab WS 23/24 nicht mehr angeboten!!! no longer offered as of WS 23/24 !!! |
T-MACH-110380 | V |