OWWZ

M.Sc.Master · Master of Science

Data Science

Friedrich-Alexander-Universität Erlangen-NürnbergErlangen

Regel­studienzeit
4 Semester120 ECTS · Vollzeit, Teilzeit · Teilzeit 8 Semester
Sprache
Englisch und Deutsch
Studien­beginn
Winter- und Sommer­semester
Bewerbung bis
31. MaiWinter­semester · jedes Jahr · +1 weitere
Zulassung (NC)
Zulassungs­beschränktörtlicher NC oder Auswahl­verfahren
Studien­gebühren
KeineSemester­beitrag 82 € · Nicht-EU 4.000 €/Semester
Zur Studiengangsseite der Hochschule

auf fau.de

Angaben laut fau.de, doc.zuv.fau.de · geprüft am 15. Oktober 2026 · Alle Angaben und Quellen

Was lerne ich?

Studienplan aus den offiziellen Dokumenten der Hochschule. Ausgewertet am 15. Oktober 2026.

Module im Überblick

Aus den ausgewerteten Unterlagen ließ sich kein Semesterplan ableiten, der zu Dauer und ECTS des Studiengangs passt – daher die Module ohne Semesterzuordnung. Maßgeblich ist der Studienplan der Hochschule.
  • Pflichtmodule5 ModuleMathematics of Learning · Deep Learning · Selected topics in mathematics of learning …
    • Mathematics of LearningKurzbeschreibung von OWWZ: Untersucht mathematische Grundlagen maschinellen Lernens, darunter Kernelmethoden, neuronale Netze und Rankingmodelle.nur WintersemesterPrüfung: Klausur 60 Min.5 ECTS
    • Deep LearningKurzbeschreibung von OWWZ: Behandelt werden neuronale Netzarchitekturen, Training und Bewertung tiefer Lernmodelle.Prüfung: Klausur 90 Min.5 ECTS
    • Selected topics in mathematics of learningKurzbeschreibung von OWWZ: Fortgeschrittene Verfahren der mathematischen Datenwissenschaft werden anhand ihrer Lernprinzipien untersucht.nur WintersemesterPrüfung: Klausur 60 Min.5 ECTS
    • Master’s seminar (Data science)Kurzbeschreibung von OWWZ: Ein angekündigtes Datenwissenschaftsthema wird selbstständig wissenschaftlich erarbeitet und im Seminar vorgestellt.5 ECTS
    • Masterarbeit gemäß § 60 (Abschlussarbeit)Kurzbeschreibung von OWWZ: Eigenständige wissenschaftliche Bearbeitung einer Fragestellung aus Data Science, in der Regel aus der gewählten Studienrichtung.7.–8. Semester30 ECTS
  • Wahlpflicht aus Haupt- und Nebenstudienrichtungen50 ECTS zu wählen · 76 ModuleDiscrete optimization III · Introduction to material- and shape optimization · Discrete optimization I …
    • Discrete optimization III5 ECTS
    • Introduction to material- and shape optimization10 ECTS
    • Discrete optimization I5 ECTS
    • Robust optimization II5 ECTS
    • Discrete optimization II5 ECTS
    • Advanced Algorithms for Nonlinear Optimization (AlgNOpt)5 ECTS
    • Advanced Nonlinear Optimization (AdvNLOpt)10 ECTS
    • Optimization in industry and economy5 ECTS
    • Project optimization (Data science)10 ECTS
    • Robust optimization5 ECTS
    • Introduction to representation theory10 ECTS
    • Convex geometry and applications5 ECTS
    • Functional analysis10 ECTS
    • Geometry of manifolds10 ECTS
    • Lie algebras10 ECTS
    • Partial differential equations II10 ECTS
    • Differential geometry10 ECTS
    • Data-driven methods for dynamical systems5 ECTS
    • Dynamical System Theory for Data Scientists5 ECTS
    • Convex Geometry10 ECTS
    • Higher Analysis10 ECTS
    • Discrete optimization II10 ECTS
    • Approximation theory5 ECTS
    • Knowledge Discovery in Databases mit Übung5 ECTS
    • Knowledge representation and -processing5 ECTS
    • Distributed databases and transaction systems5 ECTS
    • Process-oriented information systems5 ECTS
    • Lecture and advanced tutorial: Middleware - Cloud computing8 ECTS
    • Information theory and coding5 ECTS
    • Control of partial differential equations10 ECTS
    • Seminar: Visual computing5 ECTS
    • Enterprise Application Development and evolutionary information systems5 ECTS
    • Pattern analysis5 ECTS
    • Pattern recognition5 ECTS
    • Advanced machine learning for anomaly detection5 ECTS
    • Project: Pattern recognition10 ECTS
    • Big Data seminar5 ECTS
    • AI-1 Systems project10 ECTS
    • AI-2 Systems project10 ECTS
    • Artificial intelligence II8 ECTS
    • Artificial intelligence I8 ECTS
    • Theory of neural dynamics and applications to machine learning based on reservoir computing5 ECTS
    • Methods of Advanced Data Engineering (VUE 5-ECTS)5 ECTS
    • Computer architectures for deep-learning applications10 ECTS
    • Advanced deep learning5 ECTS
    • Advanced deep learning5 ECTS
    • Seminar: Reinforcement learning with verifiable rewards for language models5 ECTS
    • Simulation and scientific computing 18 ECTS
    • Quality of service in communication systems5 ECTS
    • Control, machine learning and numerics10 ECTS
    • Partial differential equations I10 ECTS
    • Project (Data science)10 ECTS
    • Modeling, simulation and optimization5 ECTS
    • Advanced solution techniques (AdSolTech)5 ECTS
    • Introduction to control and machine learning5 ECTS
    • Algorithms of numerical linear algebra8 ECTS
    • Simulation and modelling I5 ECTS
    • Simulation and Modelling II5 ECTS
    • Mathematical Image Processing5 ECTS
    • Geometric Numerical Integration5 ECTS
    • Mathematical Foundations of Control and Machine Learning5 ECTS
    • Energy Informatics and Smart Grids5 ECTS
    • Machine learning in signal processing5 ECTS
    • Probability theory10 ECTS
    • Mathematical foundations of artificial intelligence, neural networks and data analytics5 ECTS
    • Mathematical foundations of Artificial Intelligence, Neural Networks and Data Analytics II5 ECTS
    • Mathematical statistics5 ECTS
    • Stochastic analysis5 ECTS
    • Lab course machine learning in signal processing3 ECTS
    • Random matrices in communications and signal processing5 ECTS
    • Decision Theory5 ECTS
    • Advanced topic in probability5 ECTS
    • Neural Network Theory5 ECTS
    • Functional Data Analysis5 ECTS
    • Statistical Regression Models5 ECTS
    • Multivariate Statistical Analysis5 ECTS
  • Wahlpflicht aus Anwendungsfächer15 ECTS zu wählen · 91 ModuleQuantum chemistry 1 · Quantum chemistry 2 · Digital Chemistry …
    • Quantum chemistry 15 ECTS
    • Quantum chemistry 25 ECTS
    • Digital Chemistry5 ECTS
    • DH specialisation5 ECTS
    • Collecting data in DH5 ECTS
    • Visualising data in DH5 ECTS
    • Analysing and understanding data in DH5 ECTS
    • Human-machine interaction in DH5 ECTS
    • DH specialisation5 ECTS
    • Advanced methods: Advanced climate data analysis5 ECTS
    • Advanced methods: Modeling physical systems in the climate5 ECTS
    • Advanced methods: Scripting for remote sensing of the environment5 ECTS
    • Advanced methods: Tree-ring analysis - Applied dendroecology5 ECTS
    • Advanced methods: Microwave remote sensing5 ECTS
    • Advanced methods: Scripting for GIS analysis5 ECTS
    • Advanced methods: Remote sensing: Spectroscopy and analysis of spectral data5 ECTS
    • Advanced methods: Soil science5 ECTS
    • Advanced methods: Stable isotope analysis5 ECTS
    • Climate and earth systems research lab IV5 ECTS
    • CE-V3: Models in paleobiology and phylogenetics5 ECTS
    • Hot topics in web technologies and the Internet of Things5 ECTS
    • Innovation and leadership5 ECTS
    • Patenting for innovation5 ECTS
    • Foundations of linked data5 ECTS
    • Advanced business analytics seminar5 ECTS
    • Implementing innovation5 ECTS
    • Managing global projects and information technology5 ECTS
    • Foundations of anatomy and physiology5 ECTS
    • Clinical data science5 ECTS
    • Introduction to simulation, network and data analysis in Medical Systems Biology5 ECTS
    • Machine learning in clinical bioinformatics5 ECTS
    • Seminar and laboratory course: Biosignal processing5 ECTS
    • Computational Medicine I3 ECTS
    • Einführung in die Bioinformatik für die Translationale Medizin5 ECTS
    • Applied data science in medicine & psychology5 ECTS
    • Advances in Medical Systems Biology (AdvMedSys)3 ECTS
    • Medical terminologies and ontologies5 ECTS
    • Experimental physics 1 + 2: Mechanics, thermodynamics and electrodynamics15 ECTS
    • Experimental physics 1: Mechanics5 ECTS
    • Computational physics and numerical methods5 ECTS
    • Quantum computing5 ECTS
    • Project on applied AI in factory automation and production systems (AI-FAPS)10 ECTS
    • Advanced semiconductor technologies - Photovoltaic systems I - Fundamentals5 ECTS
    • Materials informatics5 ECTS
    • Materials and structure5 ECTS
    • Data Acquisition, Processing and Analysis in Manufacturing Engineering and Material Science (vhb)6 ECTS
    • Computational neurotechnology / Numerical neurotechnology5 ECTS
    • Speech and Language Processing5 ECTS
    • Tracking Olympiad5 ECTS
    • Motion analysis and biomechanical boundary areas3 ECTS
    • Network medicine5 ECTS
    • Movement Neuroscience: Connections between brain and muscles in humans5 ECTS
    • Algorithmic Bioinformatics5 ECTS
    • Project: Biomedical network science10 ECTS
    • Project: Representation learning10 ECTS
    • Computational imaging project10 ECTS
    • Project machine learning and data analytics10 ECTS
    • AI in medical robotics5 ECTS
    • Computational magnetic resonance imaging5 ECTS
    • Medical engineering II (imaging techniques)5 ECTS
    • A look inside the human body - gait analysis and simulation5 ECTS
    • Human computer interaction5 ECTS
    • Interfacing the neuromuscular system: Applications for Human/machine interfaces and neurophysiology5 ECTS
    • Magnetic resonance imaging 2 + exercise5 ECTS
    • Magnetic resonance imaging5 ECTS
    • Seminar AI and digitalization in healthcare5 ECTS
    • Seminar AIBE5 ECTS
    • Robotics in surgery and diagnostics5 ECTS
    • EMC Measurement Techniques5 ECTS
    • Seminar: Machine learning in MRI5 ECTS
    • Seminar RMA5 ECTS
    • Music processing analysis - Lecture and exercise5 ECTS
    • Music processing - Analysis3 ECTS
    • Project music and audio processing10 ECTS
    • Advanced topics in perceptual audio coding3 ECTS
    • Image and video compression5 ECTS
    • Digital signal processing5 ECTS
    • Image, video and multidimensional signal processing5 ECTS
    • Statistical signal processing5 ECTS
    • Virtual vision3 ECTS
    • Laborpraktikum Multimediakommunikation3 ECTS
    • Transforms in signal processing3 ECTS
    • Laboratory course: Image and video signal processing on embedded platforms3 ECTS
    • Advanced topics in deep learning5 ECTS
    • Specialisation module: Computational linguistics in practice5 ECTS
    • Specialization module: Computational linguistics II5 ECTS
    • Music processing - synthesis3 ECTS
    • Interactive computer graphics5 ECTS
    • Global illumination5 ECTS
    • Data Governance Foundations3 ECTS
    • Data Governance Applications3 ECTS
  • Wahlpflicht aus Technische Qualifikation5 ECTS zu wählen · 26 ModuleArchitectures of supercomputers · Scientific programming · Data science survival skills …
    • Architectures of supercomputers5 ECTS
    • Scientific programming5 ECTS
    • Data science survival skills5 ECTS
    • Cryptography for teaching degrees5 ECTS
    • Colloquium lecture: Digital sovereignty5 ECTS
    • Cryptography I10 ECTS
    • Cryptography II10 ECTS
    • Implementation of database systems5 ECTS
    • Foundations of computer architecture and computer organisation5 ECTS
    • Computer communications5 ECTS
    • Fantastic datasets and where to find them3 ECTS
    • Sovereignty and public sphere5 ECTS
    • Trustworthy artificial intelligence5 ECTS
    • Nailing your thesis (VUE 5-ECTS)5 ECTS
    • Optimisation project with computer exercises (Master)5 ECTS
    • Computer vision5 ECTS
    • Computer architecture5 ECTS
    • Approximate computing5 ECTS
    • Ethics and Philosophy of AI5 ECTS
    • Computer graphics5 ECTS
    • Seminar: Fantastic datasets and where to find them5 ECTS
    • Introduction to Cybersecurity Fundamentals in Networking5 ECTS
    • Applied Software Engineering Master's Project10 ECTS
    • Seminar: Applied software engineering5 ECTS
    • Grundlagen empirischer Forschungsmethoden in der medialen Interaktion3 ECTS
    • Labor empirische Forschungsmethoden in der medialen Interaktion3 ECTS
Dieser Studienplan ist unvollständig: Nicht alle Dokumente oder Wahlkataloge waren auswertbar. Maßgeblich sind die verlinkten Dokumente der Hochschule.
  • 198Module im Plan
  • 5Pflicht­module
  • 3Wahlpflicht­bereiche
  • 6Studien­richtungen
  • 30 ECTSAbschluss­arbeit

Studienrichtungen und Vertiefungen

6 Studienrichtungen · je 30 ECTS
  • Mathematische statistische Datenanalyse (MSD)
  • Datenorientierte Optimierung (DO)
  • Mathematische Theorie/Grundlagen der Data Science (MTG)
  • Datenbanken und Wissensrepräsentation (DW)
  • Machine Learning/Artificial Intelligence (AI)
  • Simulation und Numerik (SN)

Themenprofil

ECTS nach Themen laut Modulhandbuch, mit Anteil an den 120 ECTS des Studiengangs.

Gezeigt für die Studienrichtung mit den meisten Modul-ECTS im Plan (von 6): Simulation und Numerik (SN)

  • Maschinelles Lernen8 ECTS: 8 Pflicht
  • Data Science und Datenanalyse5 ECTS: 5 Pflicht
  • Neuronale Netze und Deep Learning5 ECTS: 5 Pflicht
  • Optimierung und Operations Research3 ECTS: 3 Pflicht

Quellen des Studienplans

2 Dokumente

Bewerbung und Voraussetzungen

Aus den offiziellen Seiten und Ordnungen der Hochschule und des Landes.

Bewerbungsfristen

  • WintersemesterDeutsche und Bildungsinländer:innen

    bis 31. Mai

    jedes Jahr

    Quelle: fau.de

  • SommersemesterDeutsche und Bildungsinländer:innen

    bis 30. November

    jedes Jahr

    Quelle: fau.de

Voraussetzungen

  • Zulassung

    Zulassungsbeschränktörtlicher NC oder Auswahlverfahren
  • Sprachnachweis Englisch

    B2Anerkannt: Sechs Jahre Englischunterricht am deutschen Gymnasium
  • Sprache

    Deutschkenntnisse für die Einschreibung

    Sprache
    Deutsch
    Niveau
    DSH-2

    Hochschule · Bedingungen laut Quelle: doc.zuv.fau.de · geprüft am 15. Oktober 2026

Checkliste zum Abhaken

Aus den offiziellen Angaben oben, jeweils mit Quelle.

  • Sprachnachweis Englisch: B2Anerkannt: Sechs Jahre Englischunterricht am deutschen Gymnasium

    Keine eigene Quelle für diesen Punkt – aus der Recherche zum Studiengang vom 15. Oktober 2026. Quellen des Studiengangs

  • Deutschkenntnisse für die Einschreibung

    Quelle: doc.zuv.fau.de

Nur für bestimmte Bewerbungen

Diese Punkte sagen selbst, für wen sie gelten. Sie zählen nicht zum Fortschritt.

  • Bewerben bis 31. MaiWintersemester · Deutsche und Bildungsinländer:innenGilt nur für: „Bildungsinländer“

    Quelle: fau.de

  • Bewerben bis 30. NovemberSommersemester · Deutsche und Bildungsinländer:innenGilt nur für: „Bildungsinländer“

    Quelle: fau.de

Stand der Recherche: 15. Oktober 2026. Fristen und Gebühren ändern sich; maßgeblich ist die Hochschule.

Kosten

Studiengebühren und Beiträge laut Hochschule.

Studien­gebühren
Keinefür EU-Studierende
Semester­beitrag
82 € pro Semesterfür alle Studierenden der Hochschule
Nicht-EU-Studierende
4.000 € pro Semester

Quelle: fau.de · geprüft am 30. September 2026

Über die Regelstudienzeit

  • Semesterbeiträge: 4 × 82 € = 328 €

Berechnet von OWWZ aus der Regelstudienzeit (4 Semester, 2 Jahre) und den Beträgen oben. Beiträge ändern sich meist jedes Semester; Lebenshaltungskosten sind nicht enthalten.

Weitere Gebühren laut Hochschule

  • Gebühren für Nicht-EU-Studierende

    Studien- und Bewerbungsgebühren

    Bewerbungsgebühr
    100 € pro Bewerbung

    Hochschule · Bedingungen laut Quelle: doc.zuv.fau.de · geprüft am 15. Oktober 2026

Abschluss und Perspektiven

Welcher Abschluss, was er laut Hochschule eröffnet und wie es weitergehen kann.

  • Abschluss

    Master of Science (M.Sc.)Konsekutiver Master

Passt zu diesen Zielen

OWWZ-Einordnung nach Modulthemen laut Modulhandbuch.

Ähnliche Studiengänge

Nach Themen im Studienplan, nach Fach und an derselben Hochschule.

Studiengänge mit ähnlichem Studienplan

Ähnliche Themenanteile laut Modulhandbüchern.

  • Medizintechnik M.Sc.

    Friedrich-Alexander-Universität Erlangen-NürnbergErlangen

    • 4 Semester
    • Vollzeit, Teilzeit
    • Beginn Winter und Sommer
    • Deutsch und Englisch
    • kein NC
    • keine Studiengebühren · Nicht-EU 4.000 €/Semester
    Gemeinsame Themen: Informatik, Künstliche Intelligenz, Maschinelles Lernen, Signalverarbeitung, Elektrotechnik
  • Angewandte Künstliche Intelligenz (berufsbegleitendes Verbundstudium) M.Sc.

    Fachhochschule SüdwestfalenIserlohn

    • 6 Semester
    • Berufsbegleitend
    • Beginn Winter
    • Deutsch
    • kein NC
    • keine Studiengebühren
    Gemeinsame Themen: Informatik, Maschinelles Lernen, Künstliche Intelligenz, Data Science und Datenanalyse, Softwaretechnik
  • Computer Science M.Sc.

    IU Internationale HochschuleKöln

    Gleichnamig an dieser Hochschule – dieser: Vollzeit · Köln

    • 4 Semester
    • Vollzeit
    • Beginn Winter und Sommer
    • Englisch
    • kein NC
    • 20.000 € insgesamt
    Gemeinsame Themen: Informatik, Künstliche Intelligenz, Data Science und Datenanalyse, Softwaretechnik, Mathematik
  • Informatik M.Sc.

    Hochschule BielefeldMinden

    • 3 Semester
    • Vollzeit
    • Beginn Winter und Sommer
    • Deutsch
    • kein NC
    • keine Studiengebühren
    Gemeinsame Themen: Informatik, Künstliche Intelligenz, Maschinelles Lernen, Programmierung, Mensch-Computer-Interaktion und Usability
Informatik auch an …4 Studiengänge
Alle 1.561 Studiengänge in Informatik
Weitere Studiengänge dieser Hochschule4 Studiengänge
  • Artificial Intelligence M.Sc.

    Erlangen

    • 4 Semester
    • Vollzeit, Teilzeit
    • Beginn Winter und Sommer
    • Englisch
    • kein NC
    • keine Studiengebühren · Nicht-EU 4.000 €/Semester
  • Autonomy Technologies M.Sc.

    Erlangen

    • 4 Semester
    • Vollzeit, Teilzeit
    • Beginn Winter und Sommer
    • Englisch
    • kein NC
    • keine Studiengebühren · Nicht-EU 2.000 €/Semester
  • Communications and Multimedia Engineering M.Sc.

    Erlangen

    • 4 Semester
    • Vollzeit, Teilzeit
    • Beginn Winter
    • Englisch
    • kein NC
    • keine Studiengebühren · Nicht-EU 2.000 €/Semester
  • Computational and Applied Mathematics M.Sc.

    Erlangen

    • 4 Semester
    • Vollzeit
    • Beginn Winter und Sommer
    • Englisch
    • kein NC
    • keine Studiengebühren · Nicht-EU 2.000 €/Semester
Alle 231 Studiengänge der Hochschule

Alle Angaben und Quellen

Automatisch von der Website der Hochschule übernommen – maßgeblich sind die Angaben der Hochschule.

Abschluss
Master of Science (M.Sc.)Konsekutiver Master
Regelstudienzeit
4 Semester (2 Jahre)8 Semester (4 Jahre) in Teilzeit
ECTS-Punkte
120 ECTS
Studienbeginn
Sommersemester und Wintersemester
Studienform
Vollzeit, Teilzeit
Unterrichtssprache
Englisch und DeutschQuelle: doc.zuv.fau.de
Zulassung
Zulassungsbeschränkt
Studienort
Erlangen
Studiengebühren
Keine StudiengebührenQuelle: fau.de
Studiengebühren für Nicht-EU-Studierende
4.000 € pro SemesterQuelle: fau.de
Semesterbeitrag
82 € pro Semesterfür alle Studierenden der HochschuleQuelle: fau.de
Studienfach (amtliche Systematik)
Informatik

Angaben laut fau.de, doc.zuv.fau.de · geprüft am 15. Oktober 2026

Fehler melden

Hochschule

Friedrich-Alexander-Universität Erlangen-Nürnberg

Universität · Öffentlich

Erlangen, Bayern