Studieopbouw en curriculum

Structuur

De opleiding DS&AI is een tweejarige masteropleiding. Beide jaren zijn verdeeld in semesters die lopen van september tot januari en van februari tot juli. Elk semester bestaat uit twee kwartalen van acht weken waarin je vakken volgt. Je kennis wordt getoetst in tentamenperiodes van twee tot drie weken. 

Studenten volgen een kernprogramma en specialisatievakken, speciale keuzevakken en modules voor beroepsontwikkeling. In je vrije keuzeruimte is ruimte voor een stage of een internationale uitwisseling. Bij terugkeer naar de TU/e begin je aan je afstudeerfase.

Curriculum

Je begint je programma met het volgen van verplichte kernvakken om zo de basis voor je diploma te leggen. De master DS&AI is georganiseerd in zeven verschillende trajecten. Elk van hen vertegenwoordigt een expertisegebied van Data Science and Artificial Intelligence.

Data Science and AI in Context

Als ingenieur werkzaam in data science en artificial intelligence kom je maatschappelijke, ethische en domeinspecifieke vraagstukken tegen. De vakken in dit traject stellen je bloot aan deze kwesties en leren je hoe je ze aan kunt pakken bij het ontwerpen van nieuwe oplossingen.

Data Management en Engineering

Data Management Systemen (DMS) bieden fundamentele, onderliggende infrastructuren om data te identificeren en waarde te halen uit data voor organisaties en de samenleving. De vakken in dit traject leren je over de fundamenten, toepassingen en engineering van de volgende generatie data- en kennismanagementmethoden en -systemen. 

Algorithmic Data Analysis

Algoritmen spelen een onmiskenbare rol in data science: ze maken efficiënte en geautomatiseerde dataverwerking, -analyse en -visualisatie mogelijk. In dit traject leer je algoritmische oplossingen ontwikkelen voor hoogwaardige data-analyses en voor het geven van optimale aanbevelingen op een verifieerbare en verklaarbare manier. Een brede set algoritmische tools is een essentieel onderdeel van het repertoire van een data scientist.

Process Mining and Visual Analytics

Het eigenlijke analyse- of (voorspellings)probleem dat opgelost moet worden, is meestal onbekend bij de start van een project, terwijl de oplossing een valide en verklaarbare integratie vereist van domeinkennis, gegevens en modellen. De vakken in dit traject rusten je uit met de mindset, fundamentele kennis en engineeringvaardigheden om dit te bereiken  met twee unieke specialisaties die alleen aan de TU/e gegeven worden: Visual Analytics en Process Mining. 

Statistics

De statistiek specialisatie biedt rigoureuze methoden en modellen voor het samenvatten van gegevens van verschillende fenomenen in begrijpelijke kenmerken die een directe impact hebben op en de interpretatie van real-world situaties mogelijk maken. De vakken in dit traject leren je een breed scala aan statistische methoden om temporele en big data sets te analyseren en modelleren, en hoe statistische methoden kunnen worden gebruikt om van dit soort gegevens te leren. 

Data Mining en Machine Learning

Binnen Data Mining en Machine Learning bestudeer je de fundamenten en praktische benaderingen va kennisextractie uit enorme verzamelingen complexe gegevens. Dit traject richt zich op data mining en machine learning benaderingen en technieken om uiterst prevalente, end-to-end oplossingen voor algoritmische besluitvorming te ontwikkelen. Je gebruikt ze waarschijnlijk al meerdere keren per dag zonder het te beseffen!

AI en Machine Learning

Dit traject omvat de studie van algoritmen die verbeteren door ervaring. In de vakken leer je de belangrijkste technieken en benaderingen in moderne AI, met een belangrijke focus op oplossingen die niet alleen accuraat zijn, maar vooral ook efficiënt, betrouwbaar, interpretatief, robuust en betrouwbaar.

Bij je specialisatiekeuzevakken kies je voor ten minste twee van deze specialisaties, waarbij je in elk ervan meerdere vakken volgt. Vervolgens verbreed je je specialisatie door vakken te kiezen uit één of twee andere DS&AI-trajecten die je 'minor' worden. Deze vakken bereiden je voor op je afstudeerfase.

Het programma wordt afgesloten met een onderzoeksproject, waarin je jezelf bewijst als ingenieur in Data Science and Artificial Intelligence. Tijdens dit project gebruik je wat je hebt geleerd en de vaardigheden die je hebt ontwikkeld om nieuwe kennis en ontwerpen te creëren. Je specialiseert je in één onderwerp en laat zien dat je in staat bent om zelfstandig een onderzoeksproject te organiseren.

Voor een meer diepgaande uitwerking van het curriculum, klik hier.