Data & Knowledge Engineering

Studieninhalte:

(1) Die für einen erfolgreichen Abschluss des Studiums geforderten Lehrgebiete einschließlich der 6 Fachprüfungen sind in der Prüfungsordnung für den M.Sc.-Studiengang DKE wie folgt vorgeschrieben (Semesterwochenstunden, abgekürzt SWS):

• Grundlagen
(Module aus der Theoretischen und Praktischen Informatik) 36 Credits (ca. 24 SWS)

• Anwendungen
(Module aus der Angewandten Informatik, Wirtschaftsinformatik, Ingenieurinformatik) 26 Credits (ca. 18 SWS)

Insgesamt sind mindestens sechs Prüfungen abzulegen. Die Studierenden müssen aus den in der Anlage der Prüfungsordnung aufgeführten Module auswählen, aus denen der Studiengang besteht. Änderungen der Module sind jederzeit möglich und werden durch den Prüfungsausschuss genehmigt.

• Weitere Veranstaltungen nach Wahl 6 Credits (ca. 4 SWS)
Hier kann die Auswahl aus dem Angebot eines Masterstudienganges oder dem Hauptstudium eines Diplomstudienganges der Fakultät für Informatik oder einer anderen Fakultät der Ottovon- Guericke-Universität Magdeburg erfolgen.

• Seminare 8 Credits (ca. 4 SWS)
• Laborpraktikum 14 Credits (ca. 7 SWS)
Das Laborpraktikum und die Seminare sind benotet. Laborpraktikum und Seminare müssen einen Bezug zum DKE haben; die Entscheidung darüber obliegt dem Prüfungsausschuss.

(2) Die Prüfungen und Leistungsnachweise sind pro Modul in der Regel im Anschluss an das jeweilige Semester abzulegen. Über Art und Termine der Prüfungen sind die Studierenden durch den Prüfungsausschuss bzw. das Prüfungsamt rechtzeitig zu informieren. Prüfungssprache ist
Englisch und Deutsch.

(3) Als abschließende Prüfungsleistung wird durch die Prüfungsordnung das Anfertigen der Master’s Thesis einschließlich des zugehörigen Kolloquiums verlangt. Die Bearbeitungsdauer der Master’s Thesis (Kolloquium nicht eingerechnet) beträgt in der Regel 1 Semester.

(4) Das Masterstudium beinhaltet in der Regel drei Fachsemester und ein Semester zum Anfertigen der Master’s Thesis. Der zeitliche Ablauf ist in der Regel wie folgt zu gestalten:
Vorbereitungssemester (falls erforderlich):
Ergänzung vorhandener Informatikkenntnisse durch Besuch von Lehrveranstaltungen der Fakultät

1. Studiensemester:
18 Semesterwochenstunden Unterricht
2 Semesterwochenstunden Seminar

1. Vorlesungsfreie Zeit: (4 Wochen bzw. 7 SWS)
Laborpraktikum (kann auch während des Semesters oder alternativ in der 2. Vorlesungsfreien Zeit durchgeführt werden)

2. Studiensemester:
18 Semesterwochenstunden Unterricht
2 Semesterwochenstunden Seminar

2. Vorlesungsfreie Zeit: (4 Wochen bzw. 7 SWS)
Laborpraktikum (kann auch während des Semesters oder alternativ in der 2. Vorlesungsfreien Zeit durchgeführt werden)

3. Studiensemester:

10 Semesterwochenstunden Unterricht
2 Semesterwochenstunden Seminar alternativ, wenn noch nicht durchgeführt

3. Vorlesungsfreie Zeit / 4. Studiensemester:
Abfassung der Master’s Thesis.

Im Master-Studiengang Data and Knowledge Engineering bieten wir begabten Studierenden solide Fachkenntnisse zu den theoretischen Aspekten und den Anwendungsgebieten der Wissensentdeckung, des maschinellen Lernens, des Data Mining und Warehousing, der unterstützenden Datenbanktechnologie und der Sprachen und Modellen für die Repräsentation von Daten, Information und Wissen.Durch Praxisbezug, interdisziplinäre Veranstaltungen und Projektarbeiten lernen unsere Studierende die Herausforderungen von Anwendungen aus der Wirtschaft, Naturwissenschaften, Biotechnologie, Sicherheit, industrieller Fertigung und Kontrolle und erwerben die Fertigkeiten zur Gestaltung von innovativen Lösungsansätzen in selbständiger Arbeit und in Gruppenarbeit.

Die späteren Berufsfelder:

Unseren Absolventen und Absolventinnen steht eine Vielfalt von Berufen zur Auswahl - als Wissensingenieure in großen Einrichtungen wie Banken, Automobilhersteller und Medizinzentren, als Projektleiter und als Berater in interdisziplinären Projekten von großen oder kleineren Unternehmen, sowie die Perspektive einer akademischen Karriere.

Kenntnissen/Erfahrungen/Interessen:

• Solide Kenntnisse der Informatik sind nötig.
• Vorkenntnisse zum maschinellen Lernen und Data Mining sind keine Voraussetzung, sie können im ersten Semester erworben werden.Studierenden mit solchen Vorkenntnissen steht aber schon ab dem ersten Semester eine größere Vielfalt an fortgeschrittenen Veranstaltungen zur Auswahl.
• Vertrautheit mit der englischen Sprache ist wichtig: Data and Knowledge Engineering ist ein Bereich der intensiven Forschung, ein großer Teil der Literatur ist auf Englisch.
• Spass an eigenständiger Arbeit und Gruppenarbeit.

Regelstudienzeit: 4 Semester

Studienbeginn: Sommersemester; Wintersemester

Bewerbungsmodalitäten:
ohne Zulassungsbeschränkung
Bewerbung an der Uni Magdeburg

Bewerbungsfrist:

• Sommersemester: 15. März
• Wintersemester: 15. Septermber

Bewerbungsfrist (Internationale Studienbewerber):

• Sommersemester: 15. Januar
• Wintersemester: 15. Juli