MSc Statistik und Künstliche Intelligenz

Der Lernprozess gliedert sich in drei Phasen. In der ersten Phase werden grundlegende Kenntnisse und Fähigkeiten in statistischen Methoden und Inferenz vertieft. Zu den behandelten Themen gehören frequentistische und Bayes'sche Inferenz, Datenanalyse, verallgemeinerte lineare Modelle, statistische Datenverarbeitung und Kommunikation. Diese Bereiche bilden die Grundlage für das Verständnis der Funktionsweise von KI und maschinellem Lernen.

In der zweiten Phase erfolgt ein fortgeschrittenes Studium durch Module zu überwachtem und unüberwachtem Lernen, Deep Learning und statistischen Modellen für komplexe Prozesse. Neben den statistischen und rechnergestützten Prinzipien zur Strukturerkennung in diesen Modellen werden praktische Erkenntnisse durch deren Anwendung auf reale Daten gewonnen.

In der dritten Phase wird ein eigenständiges Forschungsprojekt zu einem gewählten Thema unter der Betreuung von Experten der Fakultät für Mathematik durchgeführt. Dies kann die Vertiefung eines in einem Modul eingeführten Themas, die Untersuchung eines bisher nicht behandelten Themas oder die Durchführung einer erweiterten Datenanalyse umfassen.