Was hält ihr von Data Science Studiengängen? - Forum (2024)

DS-Studi 📅 07.06.2018 12:09:01

Hi,

ich bin momentan in einen DS-Master (nachdem ich meinen BA in Info gemacht habe).

Von Digit2Was hält ihr von diesen Studiengängen?

Daran scheiden sich jetzt die Geister. Viele sagen, dass DS nur ein kurzweiliger Trend ist, für die Anderen ist es das Next big Thing. Was davon stimmt, wird die Zukunft zeigen.
Ich hab mich hauptsächlich für den DS-Master entschieden, weil ich weg von dem klassischen Informatik-Karriereweg wollte und schon immer mit Mathematik geliebäugelt habe. Der Studiengang als solches ist allerdings nix besonderes. Im Prinzip nur eine neue Kombination aus alten Mathe- und Info-Fächern. In jedem Fach werden neue Tools / Programmiersprachen mal angerissen, aber es bleibt an dir selber dich in der Tiefe damit zu beschäftigen, damit du für die Wirtschaft "nützlich" bist. Eine Affinität zum Programmieren ist definitv hilfreich.

Von Digit2Lohnt es sich, sich schon im Bachelor auf diesen "Trend" zu spezialisieren?

Meiner Meinung nach: NEIN! Das Bachelorstudium sollte breite Grundlagen abdecken. Spezialisieren kannst du dich später noch genug und wer weiss, welche Skills in ein paar Jahren gefragt sind. Vielleicht wird dann grade die nächste IT-Sau durchs Dorf getrieben. Wenn dich der Bereich interessiert, bleib bei den klassischen Studiengängen (Mathe, Physik, Info.) und schau dann weiter.

KünstlicheIdioten 📅 07.06.2018 20:57:04

Von Digit2Lohnt es sich, sich schon im Bachelor auf diesen "Trend" zu spezialisieren?

See Also

Data Science Praktikum

Wenn du meinst "Data Science als eine Vertiefung-/Spezialisierungsrichtung in einem klassischen Bachelorstudiengang zu machen", würde ich dich befürworten. Die Techniken aus DS/ML werden immer mehr Anwendung in vielfältigen Branchen finden. Wahrscheinlich werden DS/ML in 10 Jahren zu einer Art Werkzeugen, die alle Akademiker beherrschen *müssen*, genau so wie MS Office für heute. Wer dann DS/ML kann, ist halt ausreichend, aber diejenigen, die DS/ML gar nicht können, lassen sich von Arbeitsmarkt ausschließen. Wenn du gutes Gehalt haben möchtest, wirst du jedenfalls Techniken aus DS/ML lernen, früher oder später. Es ist clever, schon im Bachelor damit anzufangen.
Wenn du aber meinst "einen Bachelorstudiengang in Data Science zu machen", würde ich dich davon abraten.Die Techniken aus DS/ML werden immer mehr Anwendung in vielfältigen Branchen finden. Wahrscheinlich werden DS/ML in 10 Jahren zu einer Art Werkzeugen, die alle Akademiker beherrschen *müssen*, genau so wie MS Office für heute. Wer dann DS/ML kann, ist halt ausreichend, aber diejenigen, die DS/ML gar nicht können, lassen sich von Arbeitsmarkt ausschließen. Es ist nicht ganz sinnvoll, ein Werkzeug auf Bachelor zu studieren. Mach besser etwas hardcores wie Informatik, Statistik oder Mathematik und wechsle später evtl. zu einem DS-Master.

Von Digit2Hey,

derzeit sind Big Data und Data Science zwei große Schlagwörter, gerade in den USA scheint in diesem Gebiet viel zu entstehen.

Ist schon viel entstanden, der Hype war etwa vor 2 Jahren. Damals suchte man noch tatsächliche Spezialisten in den USA, heute ist jeder Hans und Franz "Data Scientist".
Ich empfehle ein Informatikstudium mit Statistik/Stochastik Spezialisierung.
Aber im Prinzip reichen die Basismodule Analysis I und II, lineare Algebra, Statistik I und II und bissl Stochastik.
Den Rest lernst du über Bücher und learning by doing.
Vorgewarnt sei hier noch, aufgrund von DSGVO wirst du einiges über Datenschutz lernen müssen.
Wer Data Science machen will, sollte USA/China anpeilen. Inbesondere China ist ein Paradies für solche Leute!

BG

@DS-Studi Wo studiert du Data Science? Bin auch gerade auf der Suche nach einem Informatik/Data-Science-Studiengang (Master).

noDataScience 📅 16.04.2021 22:29:50

Es ist gut, dass die Statistiker und Mathematiker gemerkt haben, dass Informatikkenntnisse sowie Programmierung notwendig sind in Zeiten von Big Data und Co. . Gleiches gilt für die Informatiker, die ohne fundiertes statistisches Wissen kein ernsthaftes Machine Learning betreiben können.

Jedoch bilden das die Data Science Studiengänge im Allgemeinen und v.a. die in DE nicht ab. Der Begriff Data Science ist nicht geschützt und gefühlt kann sich jeder der ein Modul in quantitativen Methoden belegt hat als Data Scientist bezeichnen.

Ich persönliche finde, dass Data Science sowie das ganze Gebiet rund um K.I., Machine-/Deep Learning viel heiße Luft ist. Man muss nur mal einen Blick in die Data Science oder Machine Learning Literatur werfen. Man findet: Buzzwords die nichts anderes beschreiben als Lineare und logistische Regressionsmodelle, Clusteranalyse, Hauptkomponentenanalyse, Random Forests, Maximum Likelihood, ... , usw. Das ist pure Statistik.

Data Science ist also nichts anderes als angewandte Statistik, mit etwas Stochastik und etwas programmieren mit Python oder R bzw. Grundbegriffe der Informatik. Hört sich halt besser an als Statistiker, Informatiker oder Mathematiker in 2021.

Mein bescheidener Tipp: Lass die Finger davon und mach deinen Bachelor in Informatik, Mathematik oder Statistik und spezialisiere dich im Master auf Statistik.

Also, wenn man schon weiß, dass man in den Bereich möchte spricht meiner Meinung nach nichts dagegen. Ich bin aber auch eher auf der Seite, dass man die Grundlagen am besten möglichst breit lernt und sich frühestens im Master spezialisiert aus einem ganz einfachen Grund:Man entscheidet sich oft um, doch etwas anderes zu machen. Deswegen hält ein Informatik oder Statistik Studium sicherlich mehr Möglichkeiten bereit.

Nun zum Thema Jobaussichten und co: Es ist sicherlich so, dass Data Science auch in Zukunft eine Rolle spielt, aber man merkt zunehmend, dass das Buzzword seinen Glanz verliert. Das Problem ist außerdem, dass die besten Zeiten ca. vor 3 Jahren waren und es heute viel mehr Bewerber als Stellen gibt. Es gibt haufenweiße Quereinsteiger (viele mit phd), die sich auf Eintiegsstellen bewerben. Durch die Beliebtheit ist die Konkurenzsituation wirklich enorm, wir bekommen auf eine Stelle mindestens 10 mal so viele Bewerber wie auf z.B. Entwicklerstellen und der Clue ist, es braucht auch wesentlich weniger Data Scientists, als man glauben mag.

Das nächste Problem ist das Gap zwischen akademischem Data Sciene und der Data Sciene in Firmen. Ehrlich gesagt ist das statistische Modellieren nur ein sehr kleiner Teil der Arbeit und viele sind sehr enttäuscht von der langweiligen Seite des Jobs. Meistens dreht es sich darum, Daten zu bereinigen, irgendwelche Probleme in den Daten zu verstehen. Das Modellieren wird auch immer einfacher durch Tools wie AutoML. Und nicht zuletzt die übertriebenen Erwartungen.

Wenn einen sowas nicht abschreckt ok, aber ansonsten würde ich mich nicht so früh spezialisieren.

Von SWEngineerEs ist sicherlich so, dass Data Science auch in Zukunft eine Rolle spielt, aber man merkt zunehmend, dass das Buzzword seinen Glanz verliert. Das Problem ist außerdem, dass die besten Zeiten ca. vor 3 Jahren waren und es heute viel mehr Bewerber als Stellen gibt.

Das nächste Problem ist das Gap zwischen akademischem Data Sciene und der Data Sciene in Firmen. Ehrlich gesagt ist das statistische Modellieren nur ein sehr kleiner Teil der Arbeit und viele sind sehr enttäuscht von der langweiligen Seite des Jobs. Meistens dreht es sich darum, Daten zu bereinigen, irgendwelche Probleme in den Daten zu verstehen.

Da sprichst du mir aus der Seele
Es gibt mittlerweile wirklich Armeen von Kagglern, die scheinbar jeden nur erdenklichen Tensorflow-gerecht vorgekauten Datensatz durchmodelliert haben, aber wenn es dann mal darum geht aus in der Praxis tatsächlich verfügbaren Datenquellen was zu machen (geschweige denn neue Daten zu sammeln), beißt es halt schon lange vorher aus.

noDataScience 📅 17.04.2021 16:24:10

Von SWEngineerAlso, wenn man schon weiß, dass man in den Bereich möchte spricht meiner Meinung nach nichts dagegen. Ich bin aber auch eher auf der Seite, dass man die Grundlagen am besten möglichst breit lernt und sich frühestens im Master spezialisiert aus einem ganz einfachen Grund:Man entscheidet sich oft um, doch etwas anderes zu machen. Deswegen hält ein Informatik oder Statistik Studium sicherlich mehr Möglichkeiten bereit.

Nun zum Thema Jobaussichten und co: Es ist sicherlich so, dass Data Science auch in Zukunft eine Rolle spielt, aber man merkt zunehmend, dass das Buzzword seinen Glanz verliert. Das Problem ist außerdem, dass die besten Zeiten ca. vor 3 Jahren waren und es heute viel mehr Bewerber als Stellen gibt. Es gibt haufenweiße Quereinsteiger (viele mit phd), die sich auf Eintiegsstellen bewerben. Durch die Beliebtheit ist die Konkurenzsituation wirklich enorm, wir bekommen auf eine Stelle mindestens 10 mal so viele Bewerber wie auf z.B. Entwicklerstellen und der Clue ist, es braucht auch wesentlich weniger Data Scientists, als man glauben mag.

Das nächste Problem ist das Gap zwischen akademischem Data Sciene und der Data Sciene in Firmen. Ehrlich gesagt ist das statistische Modellieren nur ein sehr kleiner Teil der Arbeit und viele sind sehr enttäuscht von der langweiligen Seite des Jobs. Meistens dreht es sich darum, Daten zu bereinigen, irgendwelche Probleme in den Daten zu verstehen. Das Modellieren wird auch immer einfacher durch Tools wie AutoML. Und nicht zuletzt die übertriebenen Erwartungen.

Wenn einen sowas nicht abschreckt ok, aber ansonsten würde ich mich nicht so früh spezialisieren.

@SWEngineer:

Sehr saubere Beobachtung! Den Teil mit dem Anteil an Data-Wrangling im Beruf finde ich exakt auf den Punkt gebracht. Die meiste Arbeitszeit geht tatsächlich für die Datenbereinigung/ -sturkturierung etc. drauf. An der Universität sowie in der freien Wirtschaft.

Von noDataScienceDie meiste Arbeitszeit geht tatsächlich für die Datenbereinigung/ -sturkturierung etc. drauf. An der Universität sowie in der freien Wirtschaft.

An der Uni? In der Lehre hat doch kein Mensch Zeit für den Umgang mit praxisnahen Datenvorkommen.

Oder redest du jetzt von der Forschung und (Abschluss-)arbeiten? Da muss man als Student ja erstmal gezielt damit in Kontakt kommen wollen.

Dass dafür die meiste Zeit draufgeht ist ja außerdem eh schon Luxus, denn dazu müssen die Daten ja zumindest mal in irgendeiner Form bereits vorliegen. Das ist IMO selten der Fall, wenn man nicht in eine bereits sehr datengetriebene Umgebung reingesetzt wird.
Als Data Scientist ist man oft durchaus auch dafür verantwortlich, dass überhaupt erst mal das aufgezeichnet wird, was man braucht.

2 mal bearbeitet. Zuletzt am 17.04.21 18:21.