Data Engineering (M.Sc.) an der H.-Plattner-Inst./Uni Potsdam (priv.) studieren

2019 / 20

Informatik, Studiengang

Data Engineering (M.Sc.)

Bemerkung

Studienangebot ab WS 18/19

Art des Studiengangs	Konsekutiver Masterstudiengang, Präsenzstudium, vollzeit, gleichermaßen forschungs- und anwendungsorientiert
Regelstudienzeit	4 Semester
Credits insgesamt	120
Lehrprofil
Fachausrichtung	Angewandte Informatik, Ingenieurinformatik / Technische Informatik, Software-Engineering, IT-Sicherheit, Computer Visualistik
Interdisziplinarität
Praxiselemente im Studiengang	90 ECTS anrechenbar für praxisorientierte Lehrangebote

Anzahl der Studierenden
Studienanfänger pro Jahr
Absolventen pro Jahr	im Erhebungszeitraum noch keine Absolventen
Abschlüsse in angemessener Zeit	im Erhebungszeitraum noch keine Absolventen
Geschlechterverhältnis

Anteil ausländischer Studierender
Anteil fremdsprachiger Lehrveranstaltungen	50,0 %
Obligatorischer Auslandsaufenthalt	nein, aber Credits anrechenbar
Gemeinsames Studienprogramm mit ausländischer Hochschule	nein
Internationale Ausrichtung: Auslandsaufenthalte	1/4 Punkten
Internationale Ausrichtung: Studierendenmobilität	1/2 Punkten
Internationale Ausrichtung: Fremdsprachenanteil	3/3 Punkten
Internationale Ausrichtung des Studiengangs	5/9 Punkten

Bewerber/Studienplatz-Quote

Kontakt zur Berufspraxis: Praktikum/Praxisphase	0/4 Punkten
Kontakt zur Berufspraxis: praxisorientierte Lehrveranstaltungen	3/3 Punkten
Kontakt zur Berufspraxis: Externe Praktiker	1/2 Punkten
Kontakt zur Berufspraxis: Abschlussarbeiten im Austausch mit der Praxis	1/2 Punkten
Kontakt zur Berufspraxis im Studiengang	5/11 Punkten

Besonderheiten des Studiengangs
Bearbeitung vom Masterprojekt in Teams, die ausgewählte, forschungsbezogene Fragestellung aus dem Fachgebiet analysieren, eine Lösung entwerfen und konstruktiv umsetzen, Abschlusspräsentation; Professoren betreuen Studierende als Mentoren; umfassende Soft-Skills-Ausbildung; Lehrveranstaltungen im Bereich Entrepreneurship; Möglichkeit der studienbegleitenden Teilnahme an der 1- oder 2-semestrigen Design Thinking-Ausbildung; Austausch von Hard- und Software alle 2 Jahre
Fachliche Schwerpunkte
Big Data Systeme; Datenmanagement; Datenanalyse; Datenvisualisierung; Data Engineering Lab; Data Analytics; Data Preparation; Scalable Data Systems; Complex Data Systems; Data Security; Ethik u. Gesellschaft; Recht, Wirtschaft, Management
Maßnahmen zur Förderung der Beschäftigungsbefähigung
Masterprojekt in enger Zusammenarbeit mit Praxis und Möglichkeit, dies mit späterer beruflicher Anstellung zu verbinden; HPI Businessplan-Wettbewerb; Förderung von Startups; 1-, 6- und 12-Wochen-Projekte mit Drittmittel-Partnern im Rahmen der Design Think
Schlagwörter
Data Science; Machine Learning; Neuronale Netze; Deep Learning; Datenanalyse; Data Analytics; Big Data; Master; Potsdam; Berlin

Spitzengruppe

Mittelgruppe

Schlussgruppe

Nicht gerankt

(S)=Studierenden-Urteil (F)=Fakten (P)=Professoren-Urteil

Datenstand 2018; Daten erhoben vom CHE Centrum für Hochschulentwicklung.
Eine ausführliche Beschreibung der Methodik findest du im CHE Ranking Methodenwiki.