Data Science an der FernUni in Hagen?

[Heisenberg89]

vor 35 Minuten schrieb jule309:

In 1 1/2 Wochen kann man sich für das WS22/23 einschreiben und immer noch keine weitere Info zu dem Studiengang...
Hat jemand eine Idee wann die Modulhandbücher oder ähnliches veröffentlicht werden? Oder hat jemand eventuell schon die Fernuni zu dem Thema kontaktiert?
Laut dem Video sollte das ja wohl eigentlich schon längst alles einsehbar sein.

 

Ich hatte in letzter Zeit auch regelmäßig geguckt und keine weiteren Infos gefunden. 

Heute Morgen(!) scheinen jedoch neue Infobroschüren veröffentlich worden zu sein, in denen man auch weitere Informationen zum Studiengang findet:

 

https://www.fernuni-hagen.de/universitaet/marketing/informationsmaterial.shtml

 

Sowohl in "Informationen zum Fernstudium" als auch in "Mathematik und Informatik" findet man Informationen. Man findet dort auch einen Link www.fernuni.de/data-sciene. Allerdings kommt beim Aufruf noch eine Fehlermeldung. Vielleicht klappts aber innerhalb der nächsten Tage. Ein Modulhandbuch habe ich jedoch bislang auch nicht finden können.

[Heisenberg89]

Mittlerweile ist auch eine direkte Seite für den Studiengang online:

 

https://www.fernuni-hagen.de/mi/studium/msc_datascience/index.shtml

 

Endlich auch mit weiteren Informationen wie z.B. dem Modulhandbuch 🙂

Die Seite ist zwar noch nicht überall eingebunden, was aber vermutlich in nächster Zeit nachgeholt wird. Per Direktlink sollte es aber auch egal sein 😉

[Gast]

Erstaunlich, damit hat die FernUni Hagen ihr Angebot im Master Informatik Bereich schneller erweitert als manche privaten Anbieter hier...

[Bazinga_2]

vor einer Stunde schrieb ecnerwal:

Erstaunlich, damit hat die FernUni Hagen ihr Angebot im Master Informatik Bereich schneller erweitert als manche privaten Anbieter hier...

naja, es hat wohl so ca. 2 Jahre gedauert, inklusive Berufung der passenden Profs, die jetzt den neuen Studiengang konzipiert haben.

Wobei dass er wirklich schon zum aktuellen Wintersemester startet, hatte ich auch nicht erwartet

[DerLenny]

Am 27.5.2022 um 19:58 schrieb Heisenberg89:

Mittlerweile ist auch eine direkte Seite für den Studiengang online:

 

https://www.fernuni-hagen.de/mi/studium/msc_datascience/index.shtml

 

Endlich auch mit weiteren Informationen wie z.B. dem Modulhandbuch 🙂

Die Seite ist zwar noch nicht überall eingebunden, was aber vermutlich in nächster Zeit nachgeholt wird. Per Direktlink sollte es aber auch egal sein 😉

 

 

Ich finde es schade, dass man als Abschluss nicht "Master of Data Science" bekommt....

[WillWasWerden]

vor 11 Stunden schrieb DerLenny:

 

 

Ich finde es schade, dass man als Abschluss nicht "Master of Data Science" bekommt....

 

Ja, das könnte natürlich die Anerkennung am Arbeitsmarkt erheblich schmälern 😄. Freue mich, wenn es dazu dann einen ausführlichen Abschlussbericht geben wird. Stelle ich mir extrem anspruchsvoll vor.

[MaGaLe]

Ich muss einerseits sagen, dass ich mich über den neuen Studiengang freue. Andererseits finde ich die Umsetzung extrem enttäuschend:

 

- Modulangebot ist etwas spärlich. Okay, da soll wohl noch deutlich mehr kommen. Nur: Bisher ist neben der Einführung in Data Engineering die Einführung in das maschinelle Lernen für 10 ECTS das einzige, was auf dem Arbeitsmarkt einen wirklichen Mehrwert bieten dürfte. Und die Themensetzung dafür kommt mir auch extrem ambitioniert vor, also entweder wird das sehr anspruchsvoll für 10 ECTS oder sehr viel sehr oberflächlich.

Erfreulich ist, dass es auf absehbare Zeit ein NLP-Modul geben dürfte.

Einführung in Data Science: Da war wohl das Kriterium, wie man am besten 10 ECTS verschwendet für Themen, die weder Studierende noch Arbeitgeber interessant finden. Den Kram zu Datenethik und Technikfolgenabschätzung usw. hätte man auch einfach in das Projektpraktikum integrieren können.

 

- Die Neuberufungen: Prof. Zesch und Dr. Horbach dürften für Studierende interessant sein mit NLP. Aber der Rest… Prof. Thimm mit seinem KI-Lehrgebiet: Völlig irrelevantes Nischengebiet und ohne Bezug zur Lehrveranstaltung Einführung in ML (für die er verantwortlich ist).

Prof. Riedel: Gibt unter Forschungsinteressen maschinelles Lernen an. Ein Witz… Einfach mal die Publikationen ansehen: das ist reine stochastische Analysis. Ein einziges Paper konnte ich ausmachen, in dem ein kurzer(!) Bezug zu neuronalen Netzen genommen wird. Hätte es nicht jemanden gegeben, der mathematische Statistik macht oder hochdimensionale Wahrscheinlichkeitstheorie oder Compressed Sensing oder Zufallsmatrizen oder sowas? Jedenfalls ist die Personalie in meinen Augen nicht ansatzweise Data Science-relevant. Für die Stochastik sicherlich eine interessante Besetzung… aber bitte nicht verkaufen als irgendwas Anderes.

Prof. Beecks: Ja okay, Data Science-Bezug ist erkennbar. Aber ob das jetzt die beste Wahl für das „Lehrgebiet Data Science“ ist, wage ich zu bezweifeln.

Prof. Störl scheint mir eine interessante Wahl gewesen zu sein, aber eben für Data Engineering, nicht Data Science.

 

Ich werde das Gefühl nicht los, dass die Professoren bei den Berufungsverfahren genauso Forschungsthemen verbiegen, wie Bewerber am Arbeitsmarkt in der freien Wirtschaft bei ihren Kompetenzen übertreiben und lügen, nur dass dort kein Screening stattfindet. Data Science ist im wesentlichen Statistik und Machine Learning. Festzuhalten ist, dass unter den sechs(!) Neuberufungen sowie unter den bestehenden Fakultätsmitgliedern kein einziger Professor ist, dessen Forschung ML-oder Statistik-Grundlagen abdeckt. Es wird im Studiengang nicht möglich sein, tiefe Kenntnisse über Fortgeschrittene Regressionsmodelle (wie z.B. GAMs oder Survival Analysis), Zeitreihenanalyse, Deep Learning, Bayes-Statistik oder Recommender Systems zu erwerben. Der einzige Professor für angewandte Statistik ist Prof. Kruse-Becher von der Fakultät für Wirtschaftswissenschaften, der somit nicht am Studiengang beteiligt ist. Aber es ist natürlich schön zu sehen, wie sich Prof. Desel und Prof. Riedel in der Informationsveranstaltung darüber auslassen, dass sie Statistik für ein Teilgebiet der Mathematik halten (was einfach falsch ist… okay, die mathematische Statistik ist ein Teilgebiet der Mathematik, aber selbst die wird in Hagen nicht abgedeckt; dafür wird die Vorlesung „Schätztheorie“ in Zukunft nicht mehr belegbar sein).

Bearbeitet 5. Juni 2022 von MaGaLe

[Gast]

vor 8 Stunden schrieb MaGaLe:

Aber es ist natürlich schön zu sehen, wie sich Prof. Desel und Prof. Riedel in der Informationsveranstaltung darüber auslassen, dass sie Statistik für ein Teilgebiet der Mathematik halten (was einfach falsch ist… okay, die mathematische Statistik ist ein Teilgebiet der Mathematik, aber selbst die wird in Hagen nicht abgedeckt; dafür wird die Vorlesung „Schätztheorie“ in Zukunft nicht mehr belegbar sein).

 

Was? Laut Prüfungsordnung / Modulhandbuch baut der Master (wie es eigentlich sein sollte) auf Bachelorabsolventen, die Stochastik, Linearea Algebra und Analysis schon im Grundstudium hatten und erweitert hier die Kenntnisse. Könnte die Kritik noch nachvollziehen, wenn es um einen Bachelor in Data Science gehen würde, aber hier schaffen es einige private Fernhochschulen sogar fast ohne Mathe auszukommen - als Grundlage!

 

Modul 61811 Mathematische Grundlagen von Data Science

Inhalte:

• Grundlegende mathematische Modelle im Bereich Big Data Analytics
• Notwendige Grundlagen aus der Angewandten Mathematik (insbesondere hochdimensionale Räume, Singulärwertzerlegung und Approximation durch Unterräume, Irrfahrten und Markov-Ketten, Algorithmen für grosse Daten, Zufallsgraphen)  
• Grundbegriffe der Mathematischen Statistik

 

Inhaltliche Voraussetzung

Module 61211 "Analysis" (01144) und 61112 "Lineare Algebra" (01143) und 61311 "Einführung in die Stochastik" (01146) (oder deren Inhalte)

 

Noch seltsamer ist die oben formulierte Kritik von MaGeLe insofern, dass Statistik ein Teilgebiet von Stochastik ist, einem Prof. im Fachgebiet Stochastik vorzuwerfen, er wäre eine ungute Besetzung für Statistik-Module, ist schon recht eigenartig, weil man damit impliziert, dass er sein eigenes Teilgebiet nicht beherrscht.

 

Mathematische Statistik und Wahrscheinlichkeitsrechnung sind die beiden Teilgebiete von Stochastik, Stochastik ist der Oberbegriff...

 

Bearbeitet 6. Juni 2022 von ecnerwal

[MaGaLe]

Am 6.6.2022 um 07:57 schrieb Gast:

 

Noch seltsamer ist die oben formulierte Kritik von MaGeLe insofern, dass Statistik ein Teilgebiet von Stochastik ist, einem Prof. im Fachgebiet Stochastik vorzuwerfen, er wäre eine ungute Besetzung für Statistik-Module, ist schon recht eigenartig, weil man damit impliziert, dass er sein eigenes Teilgebiet nicht beherrscht.

 

Mathematische Statistik und Wahrscheinlichkeitsrechnung sind die beiden Teilgebiete von Stochastik, Stochastik ist der Oberbegriff...

 

 

Sorry, ich hatte das aus den Augen verloren. Ich halte das aber immer noch für relevant und möchte das daher richtigstellen.

 

Zur Rolle der Statistik: Statistik ist mehr als ein Teilgebiet der Stochastik. Forschende der mathematischen Statistik sind gleichermaßen Mathematiker und Statistiker, aber davon abgesehen ist Statistik vor allem eine angewandte Disziplin. Schau dir mal an, wie das Institut für Statistik an der LMU oder die Fakultät für Statistik an der TU Dortmund aufgebaut sind oder wie die Statistik-Studiengänge konzipiert sind (oder auch z.B. in Berlin oder in Belgien in Hasselt und Leuven). Ja, natürlich baut schließende Statistik auf der Wahrscheinlichkeitstheorie auf. Aber Statistik ist so ein umfangreiches Gebiet (und ich empfehle auch mal einen Blick in das Buch Computer Age Statistical Inference von Hastie und Efron, https://hastie.su.domains/CASI_files/PDF/casi.pdf, Seite 448: Die Grafik zeigt, wie sich Statistik seit Mitte des 20. Jahrhunderts von der Mathematik entfernt hat). Zwischen den „Grundlagen der mathematischen Statistik“, die ein Professor, der sich mit stochastischer Analysis beschäftigt (also nicht mal mit mathematischer Statistik), mal eben als Teil einer 10 Credit-Vorlesung mit abdecken kann (vielleicht ein bisschen asymptotische Verteilung des ML-Schätzers, Cramer-Rao-Schranke, Suffizienz, lineare Regression, ARMA-Prozesse…) und angewandten Themen wie diagnostische Tests für GLMs, verschiedene Spline-Basen, Overdispersion, bayesianische Statistik (konjugierter Priori-Verteilungen, Variational Inference, MCMC), Survival Analysis, graphische Modelle etc. liegen einfach Welten.

Die meisten Forschenden, die sich mit solchen Dingen beschäftigen, haben nicht den Anspruch an mathematische Strenge, die ein Mathematiker hat, und sind keine Mathematiker. Und die meisten Mathematiker, die sich mit Wahrscheinlichkeitstheorie befassen, beschäftigen sich nicht mit Methoden statistischer Inferenz und führen schon gar keine Datenanalysen durch.

So auch hier: Ich konnte in den Veröffentlichungen von Prof. Riedel nichts Entsprechendes finden und darauf bezog sich meine Kritik an der Besetzung. Das heißt nicht, dass er „sein Fachgebiet“ nicht beherrschen würde, sondern dass sein Fachgebiet nicht das ist, was benötigt wird, um in einem universitären Data Science-Studiengang den Bereich Statistik angemessen abzudecken. Dafür bräuchte es jemanden, dessen Bücherregal orange und nicht gelb ist. ;)
 

Data Science ist ein weites Feld und ich denke, dass der Studiengang an der FernUni den Bereich NLP mit dem Seminar und dem Projektpraktikum sehr gut abdeckt. Aber ansonsten… Eine einzige 10 Credit-Vorlesung über maschinelles Lernen, die bereits unsupervised Learning, SVMs, Deep Learning inklusive Transformern und Reinforcement Learning abdeckt, kann das unmöglich alleine leisten, wobei auch hier unangenehm auffällt, dass der Prof für dieses Modul extrem anwendungsfern forscht (Professoren, die an Präsenzunis Vorlesungen über Machine Learning halten, setzen in der Regel auch in ihrer Forschung Deep Learning ein, z.B. für Computer Vision oder NLP, und das wäre auch meine Erwartungshaltung bei der FernUni gewesen… die Einheit von Forschung und Lehre ist ja gerade das, was eine Universität ausmacht).
 

Es ist überhaupt nicht zu erwarten, dass die FernUni ein Modulangebot aufbauen kann, dass mit denen der großen Präsenzunis mithalten kann. Umso wichtiger wäre gewesen, dass die wenigen Professuren strategisch sinnvoll neubesetzt werden, wenn sich schon mal die Gelegenheit ergibt.

 

Aber so, wie ich das sehe, war meine Skepsis vor einem Jahr berechtigt, denn an dem Modulangebot hat sich seitdem nichts Wesentliches geändert. Gut, die Berufung Learning Analytics steht noch aus, aber die wird es wohl auch nicht mehr reißen.

 

Zur Erinnerung: Der Stellenmarkt für Data Scientists ist extrem kompetitiv, es gibt wesentlich mehr interessierte Bewerber als Junior-Stellen.

[unrockbar]

Das Informatik Master sehr stark nach Interessen gehen, also man sich viel aus einem Wahlbereich aussuchen kann, ist eigentlich ziemlicher Standard. Das mag unter anderem auch dem geschuldet sein, dass Data Science Master wie Pilze aus dem Boden schießen und da ein neuer Studiengang eigentlich eine aufwendige Konzeption ist, schmeißt man gerne einfach mal alles zusammen mit Wirtschaftsinformatikern oder ähnlichen Berichen und sagt: such dir einfach noch was aus zu Themen wie Projektmanagement und fertig ist dein Data Science Master.

 

Ob die Profs sinnvoll besetzt sind, kann ich nicht sagen. Dazu stehe ich überhaupt nicht genug im Thema. Aber verglichen mit anderen Fernstudienangeboten, ist der Fernuni Master schon ziemlich gut, finde ich. Woanders ist man ohne jegliche Informatik oder Mathekenntnisse drin, hauptsache man hat einen Bachelorabschluss. Im Master hast dann 6 ETCS zu Statistik und tadaaa, fertig ist der Abschluss mit dem heiß begehrten Namen. Ob das jetzt wirklich besser ist?

An der Präsenzuni, an der ich arbeite, gibt es auch einen Data Science Master. Empfehlen würde ich den insofern nicht, dass der exakt 1 Pflichtmodul besitzt und der Rest zusammengekratzte Wahlpflichtfächer sind, die jeder andere halbwegs mit IT verwandte Studiengang auch belegen darf. Spezieller Bezug zur Data Science im Regelfall null bis gering.

Es mag gute Präsenzunis geben mit einem total tollen Master, aber generell würde ich das nicht behaupten. Es wird eher alles mögliche aus vielen Mastern zusammengeschmissen, um möglichst schnell einen Studiengang mit dem entsprechenden Titel rauszuhauen für das geneigte Publikum, auch an Präsenzunis.