1. Was soll ich studieren?
  2. CHE Hochschulranking
  3. Fächer
  4. Informatik
  5. H.-Plattner-Inst./Uni Potsdam (priv.)
  6. Digital Engineering Fakultät (an der Universität Potsdam)
  7. Data Engineering (M.Sc.)
CHE Hochschulranking
 
Informatik, Studiengang

Data Engineering (M.Sc.)


Spitzengruppe
Mittelgruppe
Schlussgruppe
Nicht gerankt
Bemerkung
Studienangebot ab WS 18/19

Allgemeines

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

Studierende und Abschlüsse

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

Internationale Ausrichtung

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

Zulassung

Bewerber/Studienplatz-Quote

Arbeitsmarkt- und Berufsbezug

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

Weitere Angaben des Fachbereichs zum Studiengang

  • 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.
Verlagsangebot
Studienorientierung
Zeit Studienführer

Mehr Infos zum Ranking und rund um das Thema Studienwahl gibt es hier zum Nachlesen. Mehr erfahren