in Data Science (MAS-DS)

Study Guide zum Master of Advanced Studies in Data Science (MAS-DS) Strategische und betriebliche Entscheide stützen sich immer stärker auf die Analyse umfangreicher und verschiedenster Datenquellen ab. Den Data Science-Spezialisten und -Spezialistinnen kommt dadurch im Unternehmen eine zentrale Bedeutung zu. Data Science hat sich zu einem innovativen Berufsbild mit einem anspruchsvollen Kompetenzprofil entwickelt. Die Nachfrage auf dem Arbeitsmarkt ist hoch, die Anforderungen sind vielseitig. Das Master of Advanced Studies in Data Science rüstet Sie mit allen Kompetenzen für eine spannende berufliche Herausforderung aus.

Zielpublikum Fachleute aus der Informatik und Wirtschaftsinformatik, die in ihrem Beruf für die IT-Infrastruktur und das Know-how betreffend Datenanalyse-Projekten verantwortlich sind. Wissenschaftliche Mitarbeitende, die für die Analyse, das Auffinden und Erforschen von Zusammenhängen in Geschäftsdaten und öffentlichen Datenquellen mit modernen Methoden des Data Mining und Machine Learning verantwortlich sind. Voraussetzungen Sie bringen eine Ausbildung in Informatik, Wirtschaftsinformatik, Medizininformatik oder vergleichbaren Studiengängen auf Hochschulstufe mit und haben entsprechende Berufserfahrung. Sie verstehen mathematische Gesetze, können diese anwenden und gehen gerne mit vielseitigen und komplexen Datenbeständen um. Ausbildungsziele Als Data Science-Spezialistinnen und -Spezialisten können Sie komplexe Projekte in folgenden Bereichen durchführen: Studien, explorative Datenanalysen und Visualisierung von Ergebnissen Konzeption, Planung und Umsetzung der IT-Infrastruktur für Datenanalyse-Systeme Beratung des Business in Fragen der Datenanalyse Aufbau des Studienganges Das Studium besteht aus vier CAS-Modulen und der Master Thesis und dauert in der Regel in 2.5 bis 3 Jahre. Obligatorisches Modul: Datenanalyse. Zwei Wahlfpflichtmodule aus: Practical Machine Learning, Business Intelligence, Big Data, Data Visualization. Ein Wahlmodul aus einem umfassenden Programm von Themen, beispielweise Digitale Transformation, Cloud Computing, Cyber Security, Requirements Engineering usw. Kompetenzprofil Kompetenzstufen Kenntnisse/Wissen Verstehen Anwenden Analyse Synthese Beurteilung Organisation Ein Einstieg in das MAS Studium ist jedes Semester möglich. Semesterstart ist jeweils Woche 17 (Ende April) und Woche 43 (Ende Oktober). Anmeldung bis ein Monat vor Studienbeginn. Ort: Berner Fachhochschule, Weiterbildung, Wankdorffeldstrasse 102, 3014 Bern, Telefon +41 31 848 31 11, E-Mail office.ti-be@bfh.ch

Inhaltsverzeichnis 1 Umfeld 4 2 Zielpublikum 4 3 Voraussetzungen 5 4 Ausbildungsziele 5 4.1 Handlungskompetenzen 5 4.2 Fachkompetenzen 5 5 Aufbau des Studiums 6 5.1 Übersicht 6 5.2 Obligatorische Module 6 5.3 Wahlpflicht Module 6 5.4 Wahlmodule 7 5.5 Master Thesis 7 5.6 Anschlussprogramm 7 6 Kompetenzprofil 8 7 Kosten 9 8 Anmeldung 9 9 Organisation 9

Immer mehr Unternehmen sind sich des Potenzials der heute verfügbaren Datenmengen für ihren Geschäftserfolg bewusst. Mit den Big-Data-Technologien zeichnet sich eine deutliche Entwicklung zu einer viel stärker datengetriebenen Wirtschaft ab. Damit kommt den Data- Science-Spezialisten und -Spezialistinnen eine zentrale Bedeutung in den Unternehmen zu. 1 Umfeld Data Science hat sich zu einem eigenständigen und innovativen Fachgebiet mit einem klar definierten Kompetenzprofil entwickelt. Die Nachfrage auf dem Arbeitsmarkt ist hoch, die Anforderungen sind vielseitig und anspruchsvoll. Die Berner Fachhochschule bietet mit dem Master of Advanced Studies in Data Science eine vertiefende und umfassende Weiterbildung auf Masterstufe an. Besonders angesprochen sind Absolventinnen und Absolventen aus Studiengängen der Informatik, Wirtschaftsinformatik, Medizininformatik und verwandten Disziplinen auf Hochschulstufe. Die IT-Infrastruktur erzeugt heute in allen Unternehmen grosse Mengen an Geschäftsdaten. Das Internet of Things flutet ebenfalls riesige Datenvolumen an: Angefangen beim persönlichen Smartphone bis hin zu den allgegenwärtigen Sensoren in Umwelt, Verkehr, Energie, Medizintechnik, Produktion, Haushalt usw. Zusätzlich stehen öffentliche oder von spezialisierten Providern erhobene Daten über Wirtschaft, Märkte, Bevölkerung und wissenschaftliche Statistiken und Basisdaten immer dichter und vor allem automatisiert über IT-Schnittstellen zur Verfügung. Stellenausschreibungen für Data Scientists sind in der Schweiz allgegenwärtig. Der Data Scientist wird vielerorts als der Beruf des Jahrzehnts beschrieben. Der Data Scientist im heutigen Berufsumfeld ist eine Fachfunktion mit sehr hoher IT- Kompetenz und direktem Bezug zum Kerngeschäft des Unternehmens, sowie von hoher interdisziplinärer Vorgehensweise geprägt. Im angelsächsischen Raum gibt es seit längerer Zeit Data-Science-Studiengänge, die erfolgreiche Absolventinnen und Absolventen hervorbringen, mit Ausrichtung auf unterschiedlichste Job-Profile. Das MAS Data Science der Berner Fachhochschule ist bisher einzigartig in der Schweiz. Es basiert auf langer Erfahrung in der Informatik-Weiterbildung am Departement Technik und Informatik und schliesst eine Lücke in einem sehr nachgefragten Profil auf dem Arbeitsmarkt. 2 Zielpublikum Fachleute aus der Informatik und Wirtschaftsinformatik, die in ihrem Beruf für die IT-Infrastruktur und das Know-how betreffend Datenanalyse-Projekten verantwortlich sind. Data-Warehouse- und Informationsspezialisten, die ihre Data-Science-Kompetenzen erweitern und vertiefen möchten, um ihr Unternehmen in Datenanalyse-Projekten unterstützen und beraten zu können. Wissenschaftliche Mitarbeitende, die für die Analyse, das Auffinden und Erforschen von Zusammenhängen in Geschäftsdaten und öffentlichen Datenquellen mit modernen Methoden des Data Mining und Machine Learning verantwortlich sind. Study Guide MAS-DS ti.bfh.ch/mas-ds 4/10

3 Voraussetzungen Sie bringen eine Ausbildung in Informatik, Wirtschaftsinformatik, Medizininformatik oder vergleichbaren Studiengängen auf Hochschulstufe mit und haben entsprechende Berufserfahrung. Sie verstehen mathematische Gesetze, können diese anwenden und gehen gerne mit vielseitigen und komplexen Datenbeständen um. 4 Ausbildungsziele 4.1 Handlungskompetenzen Als Data Scientist können Sie folgende Aufgaben und Tätigkeiten wahrnehmen: Datenbestände analysieren, Zusammenhänge und Muster in Daten finden, Hypothesen überprüfen Anforderungserhebung an Datenanalyse-Systeme durchführen Konzeption, Planung und Umsetzung der IT-Infrastruktur für Datenanalyse-Systeme Aufbau automatisierter Datenanalyse-Prozesse im Unternehmen Beratung des Business in der Optimierung und Durchführung von Datenanalysen Beratung beim Aufbau von Studien und Auswertungen in ausgewählten Bereichen der Datenanalyse, in bestimmten Branchen oder Fachgebieten Einbindung unterschiedlichster Datenquellen in Datenanalysen Ziel- und Stakeholder-orientierte Visualisierung von Daten 4.2 Fachkompetenzen Sie haben solide Fachkompetenz in folgenden Gebieten: Data Warehouses & Big Data Statistics, Data Analytics, Visualization Text und Image Analytics, Social Network Analytics Data Mining & Machine Learning Sie können mit gängigen Werkzeugen arbeiten wie R und Python, fallweise mit Java und JavaScript und Sie kennen ausgewählte kommerzielle Softwarepakete wie SPSS, SAS, Azure ML usw. Study Guide MAS-DS ti.bfh.ch/mas-ds 5/10

5 Aufbau des Studiums 5.1 Übersicht Das Studium dauert 5 Semester, beinhaltet 4 CAS-Module à 12 ECTS und eine Master Thesis. Der Workload umfasst total 60 ECTS-Punkte. Das Studium ist berufsbegleitend organisiert, mit einer Präsenzzeit von ca. 1 Tag während der Studiensemester. Die Studiensemester umfassen je 20 Studienwochen und dauern von Kalenderwoche 17 bis 40 und von Kalenderwoche 43 bis 14. Dazwischen liegen unterrichtsfreie Zeiten, angelehnt an den Ferienplan des Kantons Bern. Die Studienbelastung ist so ausgelegt, dass eine Berufstätigkeit von ca. 80% möglich ist. Die Reihenfolge der Module ist weitestgehend unabhängig. Zwischen den CAS-Modulen können Semesterpausen eingelegt werden, so dass eine optimale Ausrichtung auf weitere berufliche oder private Projekte möglich ist. Für eine verkürzte Studiendauer können auch CAS-Module parallel besucht werden. Die wichtigsten thematischen Eckpfeiler des Studiums sind: Datenanalyse Fokus auf statistischen Grundlagen, Exploration von Daten, Tooling und Daten-Management, Zeitreihen und Prognosen, Data Mining. Business Intelligence Fokus auf strukturierten Daten, Data Warehouses, Datenqualitätsmanagement, ETL, Reporting, Dashboards, Modelle und Referenzarchitekturen. Big Data Fokus auf grossen Datenmengen, externe und interne Quellen, Data Streams, Echtzeitanforderungen, neue Datenbankarchitekturen, Hadoop- und NOSQL-Technologien Practical Machine Learning Fokus auf automatisiertes Lernen, Klassifikation, Clustering, überwachtes und nicht-überwachtes Lernen, Feature Extraction, Text und Image Analytics, Social Network Analytics. Data Visualization Fokus auf visuellen Konzepten, Ideenentwicklung, Informationspsychologie, Storytelling und Kommunikation, Visual Observation und Visual Thinking, Wirkung und Auswirkung von Grafiken. 5.2 Obligatorische Module CAS Datenanalyse CAS Practical Machine Learning 5.3 Wahlpflicht Module Von den Wahlpflichtmodulen sind mindestens zwei zu besuchen: CAS Business Intelligence CAS Big Data CAS Data Visualization Study Guide MAS-DS ti.bfh.ch/mas-ds 6/10

5.4 Wahlmodule Ein umfangreiches Angebot aus folgenden Themenbereichen steht zur Verfügung Software Engineering Cyber Security Business Analysis Digitale Transformation IT Grundlagen (Für Interessenten ohne Informatik-Vorbildung) Weitere CAS aus anderen Departementen oder Hochschulen, die den Zielsetzungen des DAS Data Science entsprechen können ebenfalls angerechnet werden. Eine vollständige Übersicht der Module gibt der Masterplan Weiterbildungsangebote und Module. 5.5 Master Thesis Die Studierenden wenden die erlernten Methoden und Fachkenntnisse in einer bestimmten Anwendungsdomäne oder einem bestimmten Einsatzgebiet im Unternehmen an: In der Aufbereitung, Analyse und Darstellung von strategischen und operativen Geschäftsdaten In Analyse und Interpretation von wissenschaftlichen Daten Im Aufbau von Prognose- und Planungs-Werkzeugen zur Optimierung von betrieblichen Prozessen In Entscheidungsfindungs- und Monitoring-Systemen 5.6 Anschlussprogramm Über die Kooperation mit der Fachhochschule Albstadt-Sigmaringen besteht die Möglichkeit, den MAS zu einem berufsbegleitenden, forschungsorientierten Master of Science (MSc) weiterzuführen. Die Lehrleistungen des MAS Data Science von 60 ECTS können dabei angerechnet werden. Weitere Informationen unter data-science-studieren.de Study Guide MAS-DS ti.bfh.ch/mas-ds 7/10

6 Kompetenzprofil Legende: 1. Kenntnisse von Begriffen, Definitionen und Regeln; Faktenwissen 2. Verstehen von Zusammenhängen, Sachverhalte erklären können 3. Anwendung des Wissens in einfachen Situationen 4. Analyse der eigenen Lösung 5. Synthese neuer Lösungen und Anwendung in komplexen Situationen 6. Beurteilung der Anwendbarkeit für bestimmte Probleme und Situationen, methodische Abwägung und Evaluation von Alternativen, Beziehungen zu anderen Fachgebieten Study Guide MAS-DS ti.bfh.ch/mas-ds 8/10

7 Kosten Die Kosten setzen sich aus den Kosten für die einzelnen Module und die Master Thesis zusammen, gemäss Angaben unter Preise. 8 Anmeldung Ein Einstieg in das MAS-Studium ist jedes Semester möglich. Anmeldung bis einen Monat vor Studienbeginn. Semesterstart ist jeweils Woche 17 (Ende April) und Woche 43 (Ende Oktober) gemäss folgender Planung: Frühling Datenanalyse Data Visualization Big Data Diverse Wahlmodule Herbst Datenanalyse Practical Machine Learning Business Intelligence Diverse Wahlmodule Die Reihenfolge der Module ist nicht vorgegeben. Datenanalyse wird häufig als Startmodul gewählt. Vor Studienbeginn besuchte CAS der BFH oder einer anderen Fachhochschule werden an das Studium angerechnet, wenn Sie zum Programm des MAS Data Science gehören oder wenn Sie in Anforderungen und Zielsetzung einem MAS Data Science-Module entsprechen. 9 Organisation Studienleitung: Prof. Dr. Arno Schmidhauser Tel: +41 31 84 83 275 E-Mail: arno.schmidhauser@bfh.ch MAS-Administration: Andrea Moser Tel: +41 31 84 83 211 E-Mail: andrea.moser@bfh.ch Study Guide MAS-DS ti.bfh.ch/mas-ds 9/10

Dokumenteninformation Study Guide MAS Data Science 2018-10-11 Die Inhalte und Angaben in diesem Study Guide können sich bis zum Studienstart noch verändern. Berner Fachhochschule Technik und Informatik Weiterbildung Wankdorffeldstrasse 102 CH-3014 Bern Telefon +41 31 848 31 11 Email: office.ti-be@bfh.ch ti.bfh.ch/weiterbildung ti.bfh.ch/mas-ds Study Guide MAS-DS ti.bfh.ch/mas-ds 10/10