Wie standet ihr in der Schule zum Thema Statistik? 📈 Könntet ihr euch vorstellen, etwas sogar etwas in die Richtung zu studieren? Schreibt es uns gerne hier in die Kommentare!
In der Schule hatte ich das kurz in Mathe vor der ZAP vor 10 Jahren in 3 Unterichtsstunden und dann im Abi im Grundkurs als 3. schriftliches Fach auch sehr wenig. Hatte das dann am Anfang meines 2. Studiums und es hat echt Spaß gemacht! Aber ich bin nicht so der Fan von Beweisen etc. Bin eher der praktisch veranlagte. Beweise gehören in die Uni/Forschung und sind zum Glück nicht an FHs vertreten!
Omg, ich habe mich so gefreut, dass endlich das Studium hier vorgestellt wird, was ich bald anfangen werde. Auch Statistik und Data Science im Bachelor an einer anderen Uni. Aber richtig cool, den Einblick bekommen zu können!!!
Hallo liebes alpha uni-Team, sehr cooler Einblick in das Studium. Wie steht ihr zu dem Thema Fernstudium? Habt ihr in die Richtung schon mal überlegt was zu machen? Liebe Grüße aus Hamburg
Könntet ihr mal ein Video über Kognitionswissenschaften machen? Ich interessiere mich im Moment sehr für das Studium, aber leider ist es kein besonders bekannter Studiengang :)
Ich studier Statistik und Data Science im Bachelor. Kann ich echt empfehlen für Mathe Interessierte Leute, die aber auch gerne viel Anwendung haben wollen
Ich studiere Informatik im Bachelor und je nach Wahlpflichtfach haben wir solche Module mit den Data Sciene Masterstudis zusammen . Auch komplett auf Englisch . Aber Gott sei Dank waren die Programmieranteile bei uns mit Python :D
Tolles Video, ich studiere momentan It-Sicherheit im Bachelor (2. Semester) und ein paar Formeln kannte ich sogar aus meiner Wahrscheinlichkeit & Statistik Vorlesung. Auf jeden Fall ein sehr interessanter Masterstudiengang!
Jep, finden wir auch, aber dein Studiengang klingt auch sehr spannend! Ging's bei dir direkt nach dem Abi in die Richtung und wie happy bist du mit dem Studiengang? 😊
@@alphaUni_ARD Ich bin absolut glücklich mit diesem Studiengang! Ich habe anfangs die mittlere Reife, danach eine Berufsausbildung als Bauzeichner Fachrichtung Ingenieurbau abgeschlossen und anschließend das einjährige Berufskolleg erfolgreich absolviert. Da ich mich während der Ausbildung immer mehr Richtung Informatik interessiert und Firmen in meiner Nähe schlechte Erfahrung mit Hackerangriffen gemacht haben, hat gerade speziell der Schwerpunkt "It-Sicherheit" in der Informatik mir sehr zugesagt.
Wieder sehr interessant! Mache selber den Master in Economics auch an der LMU, und sehe dass in letzter Zeit Data Science immer wichtiger wird in der ökonomischen Anwendung und Theorie, vor allem das Maschinelle Lernen. Ich bin gespannt auf die zukünftige Entwicklung von Data Science. PS: Ich glaube in dem Hörsaal ab 02:11 hatten wir auch schonmal Veranstaltungen.
Quasi ein kleiner Inception-Moment mit dem Hörsaal, oder? 😁 Welches Modul hattest du da? Freut uns auf alle Fälle, dass es Dir gefallen hat. 😊 Wir sind auch sehr gespannt wo die Zukunft hier hingeht. 👍
Ich hätte ein paar Fragen zu deinem Studium, weil ich am überlege, den Studiengang als zweiten Bachelor zu machen. 1. Ist der Studiengang zielführend? Hast du das Gefühl du wirst auf den Beruf Data Scientist vorbereitet? 2. Ist der Mathematikteil genug anspruchsvoll? (An meiner Hochschule HTW haben wir nur 2 Semester die Themen aus der Anwendung betrachtet). Ich würde gerne nach dem Studium ein tiefes Verständnis in der Mathematik haben. 3. Sind die Studienkollegen motiviert auf das Studium und macht ihr viel für die Uni zusammen? 4. Wie würdest du den Mathematik Teil des Studiums mit dem der TMU im Mathe Bachelor vergleichen (Schwierigkeitsgrad) falls du da jemanden kennst. 5. Würdest du den Bachelor nochmal anfangen und noch irgendwelche Tipps? Ich würde mich riesig über eine Antwort freuen 😊
huhu, das ist wieder eine sehr interessante Folge geworden! Und wie cool, dass ihr an der LMU gefilmt habt. Ich studiere selbst etwas komplett anderes, aber konnte die ganzen Räume wiedererkennen, da ich fast täglich in der Gegend bin :)
Hab im BWL Studium an der Uni Augsburg auch den Schwerpunkt Statistik/Finance gelegt. Stat 1 (R), Stat 2 (R), Data Mining, Machine Learning, Data Analysis with Python, Risk Analysis, Ökonometrie… Würde liebend gerne in die Richtung meinen Master machen, jedoch ist man damit für einen kompletten Statistik Master eher nicht zugelassen. Wird dann wohl eher ein quantitativer VWL/WiWi Master. Würde mich aber freuen, wenn ihr zum BWL Bachelor an der Uni Aux jemanden in der Richtung mal befragt, da BWL an unserer Uni sehr mathematisch im Vergleich zu anderen BWL Unis ist und viele dadurch mal eine andere Seite der BWL sehen.
Es gibt einige Statistik-Masterprogramme in Deutschland, für die du eventuell zugelassen werden könntest. Zum Beispiel der Master in Statistik mit wirtschaftlicher Ausrichtung an der LMU erfordert nur ca. 40 Leistungspunkte in statistischen und mathematischen Fächern (wenn ich es noch richtig im Kopf habe…). Hier müsstest du dann aber noch die Zulassungsprüfung bestehen. Daneben könnten Göttingen, Magdeburg und Berlin auch noch Optionen auf einen Statistik-Master sein. Für Data Science könnte mit deinem Background Mannheim und Tübingen interessant sein. Ich war vor 2 Jahren in einer ähnlichen Situation - hatte einen Bachelor in VWL abgeschlossen und wollte im Master dann zu Statistik wechseln. Letztendlich wurde es bei mir dann aber der Direkteinstieg in die Finanzindustrie.
Oder was auch noch geht: Du suchst dir z. B. einen Job nach deinem Bachelor und machst nebenher 1-2 Semester Winfo/Info/Statistik und sammelst noch notwendige ECTS primär in den mathematischen/statistischen Modulen. In der Regel reichen dann die gesammelten ECTS für einen Master, natürlich packst du dann nicht 30 ECTS pro Semester, aber 10-15 sollten bei entsprechender Motivation machbar sein.
@@JustMagic danke euch für die Antworten, hat mir echt weitergeholfen! Ich werde vermutlich 40-50 Mathe/Statistik Ects am Ende des Studiums haben und schau mir auf jeden Fall die von euch genannten Master an. Das mit dem Informatik/Statistik Bachelor wäre auf auch eine gute Möglichkeit falls Ects fehlen. Will auch in Richtung quantitative Finance oder Data Analytics gehen und daher einen entsprechenden Master machen, wenn ich nicht direkt nach dem Bachelor einsteig
Interessant das der EM Algorithmus erst im Master kommt, im KI Studiengang hatten wir es schon im 4. Bachelor Semester, dachte die Studiengänge sind verwandter
Im Bachelor Statistik & Data Science wird das auch im 4. Semester behandelt. Aber da den Master auch viele Quereinsteiger machen, wird das da nochmal wiederholt und vertieft.
Fand die Statistik- (und Epidemiologiekurse) und das arbeiten mit R in meinem Public Health Master unglaublich spannend - das qualitative Forschen macht mir dann aber doch etwas mehr spaß, auch wenn es nicht so hoch angesehen wird 😅
Studiere Epidemiologie im Master und finde das statistische Programmieren in R auch mega spannend!😄 Ich würde es schön finden, wenn zum Epi-Studiengang ein Video kommen würde, da der Begriff doch oftmals falsche Assoziationen auslöst und ausschließlich mit der Verbreitung von Krankheitserregern in Verbindung gebracht wird, jedoch chronische Erkrankungen mittlerweile eine viel größere Rolle spielen..
Hey, Könntest ihr vielleicht ein Video über den Studiengang Sicherheitsmanagement zu machen. Der Studiengang ist recht neu, es gibt daher kaum Videos darüber, aber ich interessiere mich dafür Danke im Voraus !
Jeder depp mit abschluss der kein job findet (physiker, chemiker, geschichte, soziologen ....) will data scientist werden, weil jeder mal irgendwie mit daten gearbeitet hat
Es ist "mega gesucht", aber dafür gibt's auch "giga viele" Absolventen weil das der aktuelle Hype ist. Und wie bei allen Hypes beißt den letzten der Schweinezyklus. LOL
@@NoSpeechForTheDumb Du solltest diejenigen unterscheiden, welche einen universitären Abschluss haben, von denen, die nur online irgendein Zertifikat gemacht haben. (wobei Zweitere auch nicht zwingend schlecht aufgestellt sein müssen, wenn eine Weiterbildung intelligent realisiert wurde) Allgemein kann man zu Qualifikationen im IT-Bereich sagen, dass sie in Deutschland immer noch stark gesucht werden. Ich habe manchmal das Gefühl, dass durch den ganzen Amerika-Zentrismus online, vieles einfach ohne Hinterfragen auch auf Deutschland übertragen wird. Die Bundesagentur für Arbeit veröffentlicht regelmäßig aktuelle Zahlen und Zukunftsprognosen für den Arbeitsmarkt in unterschiedlichen Bereichen. Wenn einem Daten analysieren nicht so liegt (Lol), kann man auch einfach Jobsuch-Webseiten abklappern, um sich ein Bild der aktuellen Lage zu machen.
@@herbsandflowers8152 aktuell gibt es viele Jobs in diesem Bereich, weil die Startups wie Pilze aus dem Boden schießen. Hype eben. Wenn in ein paar Jahren die Blase geplatzt ist und die Modeabsolventen die ersten sind, die wieder auf der Straße sitzen, jammern wieder alle und fordern staatliche Eingriffe.
@@danielsensen2385 cool danke für die Rückmeldung Was kannst beruflich später mit einem Abschluss anfangen? Wie ist das Studium aufgebaut? Was für Abschlüsse werden akzeptiert? Gibt es spezielle Zulassungsvoraussetzungen? Das sind erst einmal so die Fragen die ich habe
@@knw-seeker6836 zur Zeit mache ich ein Praktikum bei „Futurewhiz“ einem EdTech Unternehmen das lern Apps für Kinder in den Niederlanden entwickelt. Ich arbeite dort im data science team und finde den EdTech Sektor generell sehr interessant mit diesem Abschluss. Ansonsten kommt natürlich auch eine akademische Laufbahn und ein PhD in social sciences in frage mit diesem Abschluss :)
Sie zeigt ja die Daten aus einem Praktikum aus dem 3. Semester. Da sie erst im zweiten Master Semester ist, bezieht sich das auf den Bachelor. Wäre es von einem anderen Studiengang, wäre es ja sicher nicht im Video gezeigt worden
@@enero4548 Ich hätte ein paar Fragen zu deinem Studium, weil ich am überlege, den Studiengang als zweiten Bachelor zu machen. 1. Ist der Studiengang zielführend? Hast du das Gefühl du wirst auf den Beruf Data Scientist vorbereitet? 2. Ist der Mathematikteil genug anspruchsvoll? (An meiner Hochschule HTW haben wir nur 2 Semester die Themen aus der Anwendung betrachtet). Ich würde gerne nach dem Studium ein tiefes Verständnis in der Mathematik haben. 3. Sind die Studienkollegen motiviert auf das Studium und macht ihr viel für die Uni zusammen? 4. Wie würdest du den Mathematik Teil des Studiums mit dem der TMU im Mathe Bachelor vergleichen (Schwierigkeitsgrad) falls du da jemanden kennst. 5. Würdest du den Bachelor nochmal anfangen und noch irgendwelche Tipps? Ich würde mich riesig über eine Antwort freuen 😊
Hab auch Statistik studiert und ich fand Mathematische Grundlagen von Lineare Modellen am schwierigsten (ein Wald aus X, Y, W, invertiert, tranponiert usw.). Inferenz ging bei uss tatsächlich klar. Bayesianische Statistik war echt nochmal nicht so ganz ohne aber Likelihood Inferenz echt okay. Viel Erfolg für dein weiteres Studium Marie!
Ja das geht auch, es gibt viele Quereinsteiger im Master DataScience. Und mit Wirtschaftsinformatik hat man schonmal gutes Wissen in Programmieren und Kenntnisse über Mathematik ☺️
Bitte im Rahmen der Technologisierung und Künstlichen Intelligenz auch folgende Studiengänge und Berufsfelder berücksichtigen: Bioinformatik Medieninformatik Technische Informatik Maschinenbauinformatik Angewandte Informatik
@@goonew1683ist im Grunde "beides". Data Science wird sowohl als eigenständiger Studiengang (Master, Bachelor keine Ahnung tbh), als auch als Schwerpunkt in Mathematik und Informatik angeboten. Ist aber sehr stark von der jeweiligen Uni abhängig.
Danke für den Vorschlag. Zu dem Studiengang haben wir tatsächlich schon ein paar Videos gemacht, z.B. hier findest du eine spannende Folge dazu: ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-zUxfv1-IzSg.html
Das Englisch des Professors ist ja auf einem ganz anderen Level 😂😂😂 ich hab das schon in meinem Studium gehasst, es sollte sprachtests für Professoren geben
Super, bin echt froh data science hier zu sehn. Ich werde anmerken, dass es wirklich nur halb so schwer ist wie es aussieht. Also das Ganze "programmieren" (auch so ziemliech alle codes die hier in dem Video gezeigt wurden) sind ja nur graphen. Das sieht so schwer aus weil man alles genau angeben muss: daten, die Namen von den Axen, Farben, etc. Es sieht immer schrecklich aus und die Deutschen benutzen immer viele Fachbegriffe. Aber wenn es jemanden interessiert kann ich nur raten, schreibt euch einfach mal ein (auch wenn ihr Angst for Mathe habt).
Ich hätte ein paar Fragen zu deinem Studium, weil ich am überlege, den Studiengang als zweiten Bachelor zu machen. 1. Ist der Studiengang zielführend? Hast du das Gefühl du wirst auf den Beruf Data Scientist vorbereitet? 2. Ist der Mathematikteil genug anspruchsvoll? (An meiner Hochschule HTW haben wir nur 2 Semester die Themen aus der Anwendung betrachtet). Ich würde gerne nach dem Studium ein tiefes Verständnis in der Mathematik haben. 3. Sind die Studienkollegen motiviert auf das Studium und macht ihr viel für die Uni zusammen? 4. Wie würdest du den Mathematik Teil des Studiums mit dem der TMU im Mathe Bachelor vergleichen (Schwierigkeitsgrad) falls du da jemanden kennst. 5. Würdest du den Bachelor nochmal anfangen und noch irgendwelche Tipps? Ich würde mich riesig über eine Antwort freuen 😊
@@janneskleinau6332 Hi Jannes, da kann ich dir leider nicht viel helfen. Ich habe einen Master in Statistik aus den USA und hab mich auf data science spezialisiert. Der master hat auf jeden Fall einen hohen Matheanteil aber das ist wahrscheinlich in einem data science Bachelor weniger der Fall. Viel Erfolg trotzdem! Wenn dich Mathe interessiert ist informatik oder statistik wahrscheinlich besser als data science. Danach kann man sich auch als data scientist bewerben.
Die hatten sehr wahrscheinlich auch schon ML im Bachelor. Komplett Standard ML nochmal im Master kurz zu wiederholen, bevor es dann zu komplizierteren Anwendungen (wie dem EM Algorithmus der definitiv auch in Bonn nicht Erstsemester Kram ist) kommt. Wird auch in Mastermodulen in Bonn so gemacht
@@skimann9713 richtig. Genau wir hatten auch Jura (rechtsunterricht), Informatik, Psychologie usw. In der Schule, aber trotzdem kann man die Inhalte in der Schule nicht wirklich mit Uni vergleichen
@@Bodo-von-Gohr das war eigentlich ironisch gemeint. Statistik/Data science in einem BWL Studium ist nicht mit einem normalem Statistik/Data science Studium zu vergleichen.
Für mich ist es so absurd wie theoretisch die Kurse an der Uni sind. Ich habe dort keine einzige Prüfung bestanden. Bin dann auf eine Hochschule gegangen und dort war vllt. 10% Theorie und der Rest reale Projekte mit richtigen Firmen. Bin jetzt seit einigen Jahren als Software Entwickler unterwegs und bereue nichts, jedes Jahr bekomme ich die Gehaltserhöhung, die ich verlange. Also Tipp an alle, die kein Bock auf Mathe haben, geht an eine Hochschule!
Dann wirst du im Berufsleben aber auch schnell scheitern. Gibt viele Leute deren Aussprache nicht optimal ist oder es mal zu manche Fehlern bei der Grammatik kommt. Sollte aber kein Hindernis sein, wenn sich das im Rahmen hält.
Diese Ansicht ist typisch Deutsch. Warum meinen wir immer, nur ein Oxford-Englisch sei richtiges Englisch? In anderen Ländern wirst du mit einem kompletten muttersprachlich gefärbten Englisch konfrontiert und niemand interessiert es.
Nicht gerade der beste Einblick. Alleine diese erste große Datenauswertung...typisches Mini-Projekt ohne große Probleme und rein explorativ. In dem Studiengang scheint man aber auch nicht zu lernen wie man Projekte richtig aufzieht und im Kontext einer produktiven Umsetzung entwickelt. Alleine schon, dass man R nutzt. Das habe ich selbst in meinem Studium primär genutzt, aber Python ist auch bei Data Science dominierend. Für Statistik ist R natürlich nett, da auch die Syntax fix gelernt ist. Aber wenn es um Deep Learning geht, kann man R vollkommen vergessen. Wobei DL auch in vielen Fällen überbewertet ist. Aber tensorflow oder PyTorch scheint man da nicht zu lernen? Für einen Master in dem Kontext wäre das verwunderlich. Und programmieren...also da gehört für mich mehr dazu. Bei R sollte man Pakete entwickeln können, sinnvoll funktional programmieren können etc. In Python kämen dann noch Klassen hinzu und wie man die sinnvoll definiert/nutzt bzw. OOP im Allgemeinen, wobei OOP natürlich auch berechtigte Kritik hat, je nach Kontext. Cloud, Docker und Co. wahrscheinlich auch kein Thema? Auch als Data Scientist kommt man da nicht drum herum. Und wieso gibt es im Master eine Vorlesung zum Thema "Statistical Inference"? Das war in meinem BA (SoWi) bereits zu Beginn des BA Pflicht. Für mich kein MA-Topic. Oder gibt es Leute, die den Master machen können, ohne im BA Statistik gehabt zu haben? Wieso gibt man zudem keinen Gesamtüberblick vom Studium und gibt Einblicke von verschiedenen Studenten aus unterschiedlichen Semestern. Das Video bietet ja keinen wirklichen Einblick in den Studiengang, nur einen Einblick in einen kleinen Ausschnitt.
kommt auch immer auf die Uni/Hochschule an. Ich studiere dual Data Science (Wirtschaftsinformatik) und da ist der Fokus eher auf der technischen und wirtschaftlichen Anwendung wie du sagst über Python und scikit-learn bzw. tensorflow/pytorch. Gerade in den höheren Semestern führen wir selbständig Projekte mit vollständigem Projektmanagement über Lasten/Pflichtenheft, PSP und Gantt-Charts durch und nehmen die technische Implementierung mit Frontend/Backend, Modelltraining über Tensorflow, Paketierung über Docker und Deployment in der Cloud vor. Am Anfang des Studiums hatten wir auch explorative Mini-Studi-Projekte, verstehe auch nicht so ganz warum man das im Master macht. Und auch die Komplexität solcher Projekte ist eher gering. Am Anfang definitiv spannend, inzwischen wär's aber ein Tagesprojekt. Warum ist DL überbewertet? Viele Menschen die keine Ahnung von DL haben, bewerten es über und fürchten sich davor. Jemand, der etwas vertraut ist, weiß, dass es in bestimmten und abgrenzbaren Problemstellungen sehr mächtig sein kann. ChatGPT wird massiv überschätzt, auch wenn es eine nützliche Schreibhilfe ist.
@@HomerSimpson465 Das hört sich schon wesentlich sinniger alles an. Bei uns haben manche, die von der Uni kommen leider noch kaum Erfahrung mit Docker und generell Deployment Prozessen, aber das kann man glücklicherweise schnell lernen. Habe da oft den Eindruck, dass der Prozess End2End gerne mal unter den Tisch fällt. Mit der Überbewertung von DL meine ich vor allem, dass viele oft DL nutzen wollen, obwohl klassische ML oder gar statistische Ansätze vollkommen ausreichend sind und bzgl. Implementierung erheblich effizienter ausfallen. Alleine schon weil die Datengrundlage häufig überschaubar aussieht oder die Problemstellung am Ende nicht so komplex ausfällt. Habe ich zumindest bei vielen Projekten schon erlebt. ChatGPT finde ich nicht überschätzt. Da habe ich schon ein paar Projekte mit netten Use Cases gehabt. Da kann man die Erstelung von Reports mit halbwegs vernünftigem Prompt-Engineering ziemlich gut hinbekommen.
Als Student in Statistik & Data Science muss da Mal an einigen Stellen einhaken und vielleicht besser beleuchten: R ist immer noch die primäre akademische Statistik Sprache und Universitäten sind nunmal akademisch und kein Ausbildungsbetrieb. Außerdem wird R auch in der Wirtschaft viel und breit genutzt - in manchen Bereichen mehr und in manchen weniger. Wir hatten auch schon Pharmafirmen bei uns die für Ihre Biostatistik primär mit R arbeiten und R Packages entwickeln. Sobald man sich mal von den Informatikdominierten Bereichen entfernt spielt R eine große Rolle. Das gesagt - Im Bachelor gibt es auch Python Kurse und Machine Learning wird auch in Python und R angeboten und es werden Hilfsmittel bereitgestellt um sich selber mehr mit Python zu beschäftigen und sobald man in den Machine Learning Track geht wird fast alles mit Python gemacht. Dazu gehört auch der Umgang mit tensorflow und PyTorch für DL Anwendungen. Bloß nicht jeder interessiert sich für Machine Learning und daher braucht das auch nicht jeder zu können. Als Biostatistiker hast du von R mehr als von PyTorch und Tensorflow. Und R wird sehr ausführlich gelehrt. OOP in R, funktional programmieren in R, Packages entwickeln in R, API Usage und Cloud Usage über R...all das und mehr wird in R Kursen im Bachelor unterrichtet - kommt man als Data Scientist ja nicht drum rum ;) Im Master gibt es eine "Statistical Inference" Vorlesung, weil - richtig geraten - es Leute gibt, die den Master ohne BA in Statistik machen. Es ist durchaus Teil vom Grundstudium Inference zu machen. Im Master wird dann bloß noch deutlich tiefer ins Detail gegangen. Und zum Schluss noch zum Thema Projekte: Im Bachelor und Master zusammen gibt es 3 verpflichtende Beratungsprojekte. Das erste Projekt zu Beginn vom Studium ist primär explorativ, aber von Projekt zu Projekt wird es komplexer und im Master ist es Mindestanforderung an der Entwicklung von einem Produkt zu arbeiten oder die Modellierung für eine wissenschaftliche Arbeit zu führen. Dabei ist man bei den Projekten darauf angewiesen größtenteils selbstständig mit Projektpartnern zu kommunizieren und seine eigene Gruppe/Team zu managen. Wir bekommen aus der Praxis regelmäßiges Feedback, dass die Absolventen von uns genau die Skills die für Projektarbeit nötig sind mit sich bringen. Von daher: Doch, man lernt Projekte richtig aufzuziehen und im Kontext einer produktiven Umsetzung zu entwickeln. Und man ist auch im Stande die richtigen Tools für das richtige Projekt zu wählen und nicht blind überall ein Machine Learner von Python drauf zu schmeißen.
@@eugengorich3751 Danke für den Kommentar, rückt den Beitrag schon in ein anderes Licht. Hätte man aber nochmal besser darstellen können. Und klar, wenn man in Statistik bleibt, dann ist R ausreichend. Komm selher aus der statistischen Richtung und auch bei heutigen Projekten im Bereich Pharma oder Medizin ist R stark vertreten. Sieht aber in vielen Branchen schnell anders aus. Heißt aber auch, dass der Studiengang so konzipiert ist, dass man auch einen rein statistischen Schwerpunkt legen kann und letztlich als Statistiker arbeiten? Auch interessant, dass ihr für ML ausschließlich Python nutzt. R ist bei Statstik sehr gut aufgestellt, aber auch bei ML gibt es keine wirklichen Trade-Offs. Besonders wenn man dann tidymodels nutzt. Bei DL siehts dann natürlich ganz anders aus. Aber nochmal Danke, hat einiges nochmal klarer gemacht.
@@gotnoname3956 Bis vor kurzem hieß der Studiengang nur „Statistik“ und es wurde auch fast nur R verwendet. Das hat sich in den letzten Jahren geändert und man hat jetzt die Möglichkeit, sich innerhalb des Master zB in Richtung ML/DL zu spezialisieren (weitere Bereiche sind zB Biostatistik und eine theoretischere Ausrichtung). Zudem ist es ein Studiengang vom Institut für Statistik, d.h. das Informatikinstitut ist nicht direkt daran beteiligt. Zu Inferenz möchte ich noch anmerken: an sich ist Inferenz ein riesiger Bereich der Statistik (weitere Bereiche sind zB deskriptive Statistik und explorative Datenanalyse). Grob gesagt bedeutet Inferenz: man nimmt ein statistisches Modell an, im Normalfall parametrisiert, und diese Parameter möchte man schätzen oder Hypothesen darüber testen. Der Komplexität (des Modells) ist da nach oben keine Grenze gesetzt. Natürlich kann man Erstsemestlern einfache Tests oder ein lineares Modell beibringen und das „Inferenz“ nennen. Wozu Doktoranden und Professoren forschen, ist aber häufig immer noch „Inferenz“. Insofern hat eine Vorlesung zu Inferenz auf jeden Fall ihre Daseinsberechtigung in einem Statistik-Master. Auch wenn - wie Eugen schon richtig angemerkt hat - sich diese konkrete Vorlesung hier vor allem an Quereinsteiger richtet und den Bacherlorabsolventen vieles bekannt vorkommt.
Jobs als Data Scientist, Data Engineer, Analyst, Machine Learning Engineer, KI Spezialist usw. Wird in jeder Branche gesucht, aber es drängen recht viele Absolventen in diesen Bereich
@@lotr14 und was ist jetzt die Hauptaufgabe von diesen Leuten? Den ganzen Tag nur Daten aufbereiten und anhand der (wenigen?) Programmierkentnisse bildlich darstellen für die Bwl'er dann oder wie kann man sich das vorstellen? Weißt du wie es gehalttechnisch aussieht ? Bzw wieso drängen viele auf den Markt klingt ja etwas öde so
@@Ibo96.1. Jain. Also das ist ein Bereich, aber man kann auch bspw die Daten analysieren um die Entwicklung zu verbessern oder direkt an Produkten wie Autonomen Fahren, Robotik etc. Arbeiten 2. Mag für dich öde klingen, aber für jeden der gerne mathematisch arbeitet, ist es eine der einzigen Möglichkeiten einen gut bezahlten Job zu haben den man auch interessant findet 3. Weil auch wegen dem im 2. genannten Punkt sowohl Mathematiker, Physiker als auch Informatiker viel in den Bereich vordrängen.
@@Ibo96. Diese Arbeit würde eher unter den Bereich Data Analyst fallen. Das sind auch Dinge die man in dem Studium lernt (Deskriptive Statistik), jedoch ist das nicht der Kern des Studiums oder der späteren Arbeit. Zu den Hauptaufgaben von Statistikern bzw. Data Scientists gehört das statistische modellieren und testen. Das heißt wir versuchen mittels Daten reale Systeme/Phänomene/Vorgänge mathematisch oder computerbasiert zu beschreiben (eben zu modellieren). Wenn wir ein Model haben, können wir testen, wie allgemeingültig es ist und wie sehr wir Vorhersagen des Models vertrauen können. Dies benötigt auch einiges an Mathe- und Programmierkentnissen (das sind beides zwei große Bestandteile des Studiums). Die Einstiegsgehälter liegen im Schnitt bei 4639 Euro Brutto im Monat. Mit wachsender Berufserfahrung, auch in leitenden Positionen, sind 6700 Euro Brutto im Monat und auch mehr möglich. Wenn man nur die Datenaufbereitung und -darstellung im Sinn hat, dann klingt das natürlich öde, aber denke lieber an Dinge wie z.B. Klimamodelle (Vorhersagen zum Klimawandel), Sprachmodelle (ChatGPT), klinische Studien (Wirksamkeit von Medikamenten), Epidemiologie (Coronaausbreitung), Wirtschaftsprognosen (Entwicklung von Preisen/Inflation/Arbeitsmarkt), der gesamte Bereich der künstlichen Intelligenz (und deren (Un)Zuverlässigkeit), etc. All diese Dinge benötigen Statistik und Data Science.
Darauf gehen wir sogar in der nächsten Folge zu den Jobperspektiven ein. In der ARD-Mediathek kannst du die Folge sogar schon jetzt im Voraus sehen: www.ardmediathek.de/video/ard-alpha-uni/data-scientist/ard-alpha/Y3JpZDovL2JyLmRlL3ZpZGVvLzE1N2RhZGNlLTMyZWMtNDAxMS1iZDExLTMxMjcwMjNjYmQxNA
Ist das aber nicht spätestebs in 5 bis 10 Jahren so komplett obsolet? Wenn man betrachtet, wie KI selbst jetzt schon mit Daten umgeht und teilweise Webseiten und Anwendungen innerhalb von Minuten programmiert.
Naja spannend ist die Integration von KI in Geschäftsprozesse und Unternehmensstrategien. Das unterscheidet moderne und erfolgreiche Unternehmen von rückständigen - dass Daten als zentraler Bestandteil des Geschäftsmodells betrachtet werden und nicht nur ein Nebenprodukt sind. Die Unternehmen mit der höchsten Marktkapitalisierung an den Börsen sind genau diese, die Daten zu einem Kernbestandteil ihres Geschäftsmodells gemacht haben.
Und wer glaubst du implementiert die ganze Scheiße (im Bezug zu den Daten)? Data Scientist/Data Engineers. Mal abgesehen davon kannst du Daten "nicht einfach von so" von Maschinen auswerten lassen ohne sie selber zu verstehen, ohne die Modelle implementieren zu können etc. KI ist dabei nur ein Tool. Und teilweise wird der KI kram sehr stark- über und witzigerweise auch unterschätzt, weil Menschen keine Ahnung haben was eigentlich "KI" ist.
Nicht wirklich, es wird erst dann obsolet, wenn die KI sich selbst entwickeln kann. Auch das wird kommen aber bis dahin ist data science ja sozusagen die Wissenschaft dahinter KI Modelle zu entwickeln und wird viel später ersetzt als zb reine Software Entwickler.
Nein, selbst dann braucht man immer noch den Data scientist um die Daten zu sammeln, zu bewerten, vorzubereiten und dann die Analyse ebenfalls zu bewerten und verstehen. Bis all das automatisch passiert werden noch viele Jahre vergehen.
Generative KI wir wir es heute kennen eher nicht, aber wenn wir irgendwann zu selbstlernenden KI's hinwechseln, dann könnte der Arbeitsmark ziemlich "knackig" werden
Hat dir ein Politikwissenschaftler deine Freundin ausgespannt? Warum der Hass auf diesen Studiengang, wenn sowieso kaum jemand behaupten würde, dass PoWi anspruchsvoller oder relevanter sein würde?
Bin selber aus dem MIND Bereich und muss sagen, dass mich solche Kommentare echt ankotzen. Politikwissenschaften, Philosophie, Soziologie etc. sind in der heutigen Zeit die wirklich wichtigen Disziplinen. Als Ingenieur fühle ich mich eher nur als Werkzeug von großen Unternehmen, die einfach nur Profitmaximierung anstreben. Viel spannender fänd ich mittlerweile mir den Kopf darüber zu zerbrechen, welche Lösungen wir als Gesellschaft wirklich brauchen und wie diese Gesellschaft aussehen soll. Als Data Scientist landet man schnell in Bullshit Jobs, die nicht wirklich großen Mehrwert bringen außer, dass ein Unternehmen weiß welches Produkt von uns am ehesten gekauft wird...
@@bastig.9415Wenn du dich nur als Werkzeug großer Unternehmen siehst, warum arbeitest du nicht in einem Start Up welches deine Werte teilt oder gründest eins? Bspw. irgendetwas, das auch der Umwelt zu gute kommt? Als Ingenieur/ Naturwissenschaftler kann man mindestens einen genauso großen positiven Impact haben wie ein Geisteswissenschaftler.
@@bastig.9415ngenieure sind in Zeiten wie diesen wirklich wichtige Akteure. Während die Kollegen der Geisteswissenschaften darüber nachdenken wie wir das Klima schützen können, durch irgendwelche verbote oder Maßregelungen, sind Ingenieure die wirklichen Klimaschützer und Helden. Ohne Innovation wird es keinen Klimaschutz geben. Darüber hinaus ist das heutige leben welches jeder von uns kennt, schätzt und liebt nur durch technische Entwicklung möglich diese letztlich durch Ingenieure geschaffen wurden. Jeder von uns setzt sich vertrauensvoll täglich in sein auto und fährt x Kilometer. Viele von uns gehen zum entspannen mit der Familie in einem Freizeitpark, oder erkundet die Welt und steigt dabei in ein Flugzeug, wissentlich das die Wahrscheinlichkeit einer Tragödie verschwinden gering ist. Alles das ist nur möglich weil es Menschen gibt die naturwissenschaftliche Gegebenheiten in die technische Welt umsetzen konnten. Ingenieure sind die Helden der Zeit, und werden die Helden der Zeitenwende sein. Also bitte ich drum etwas mehr stolz auf das zu sein was man erreicht hat und wozu man in der Lage ist. Ohne Ingenieure und Techniker währe das heutige Leben undenkbar.
Wer Kreidetafeln 2023 in deutschen Unis sieht, braucht kein "Akademiker" zu sein, um zu verstehen, dass wir mit der Digitalisierung in der Steinzeit stecken - unwürdig!
Oh doch, scheinbar schon. Viele Matheprofessoren bevorzugen es, dass deren Vorlesung nicht auf einer Folie, sondern auf der Tafel stattfindet, weswegen es nicht überraschend ist, dass, wenn man sich Mathe Vorlesungen aus Ivy League Schools oder MIT anschaut, diese auch dort vorfindet. Nicht zu vergessen, dass man bei individuellen Verständnisfragen, der Professor/Tutor es einfacher haben wird auf der Tafel zu beantworten, als schnell was in LaTeX zu tippen.
Wird bald einfach GPT 4 ersetzt werden, der kann schon statistische Daten auswerten und analysieren durchführen, will mir die Entwicklung dann ich 5-10 Jahren nicht ausmalen.
@@c.b.twenty9127 Eben nicht, sobald es komplizierter wird. GPT ist immer noch ein SPRACHmodell. Letztendlich wird man immer einen Menschen brauchen, der den ganzen Prozess überwachen uns steuern kann. Dafür braucht man eben Leute, die sich gut mit Datenanalyse auskennen.
@@Me10manKa Ja aktuell noch nicht aber wenn man bedenkt wieviel die Unternehmen in die Entwicklung solcher ML Tools investiert um dann künftig einige Stellen zu ersetzen (nicht vollständig natürlich)
Mir wird so schwindlig wenn ich die höre. Ich habe mathe auf master und it. Sie redet von programmieren muss man schon können? wtf loadet alles mit string ein in R oder dann später in python. Kompletter Schwachsinn. Mit Tensor Flow etc oder Statistik hat sie eh nichts am Hut. Aber ja sie kann GUT programmieren. Ich will nicht schlecht darüber reden. Geht nicht anders
Oh man, warum kann man sich nicht ordentliche englischsprachige Dozenten organisieren. Der Akzent und teilweise schlechte Englisch zerstören ja einfach mal komplett alles...
Der Studiengang beweist einmal mehr, dass Menschen ein ordentliches Fach studieren sollen, ergo Mathematik mit Nebenfach Informatik oder umgekehrt, dann ergeben sich die Trivialitäten, hier in der Vorlesung als "viele Formeln" tituliert von selbst...