Masterstudiengang Artificial Intelligence and Machine Learning

In diesem forschungsorientierten Master of Science-Studiengang entwickeln Studierende ihre fachlichen und fachübergreifenden Kompetenzen zum Thema Künstliche Intelligenz (KI) aus einem vorangegangenen Informatik-Bachelorstudiengang weiter. Das Studium qualifiziert Absolventinnen und Absolventen für eine Forschungs- und Entwicklungstätigkeit in der Grundlagenforschung oder in der Industrie.

Überblick

  • Lehrsprache: Englisch
  • Umfang: 120 Leistungspunkte (CP) in vier Fachsemestern (Regelstudienzeit)
  • Voraussetzung: Passende Eingangskompetenzen (wird in neuem Tab geöffnet) durch Abschluss eines informatiknahen Studiengangs mit mind. 180 CP. Eventuell wird ein Eingangstest notwendig.
  • Sprachvoraussetzung: Englischkenntnisse auf dem Niveau: UNIcert Stufe III, TOEFL-Test (Paper 550, CBT 213, iBT 95), IELTS 7.0, CEFR C1 oder gleichwertig
  • Start: Wintersemester empfohlen, Sommersemester möglich
  • Bewerbung: SoSe 01.12.-15.01. | WiSe 01.06.-15.07. | Aktuelle Fristdaten | Frühzeitige Bewerbung empfohlen!
  • Außergewöhnlich breites Lehrangebot im Bereich Künstlicher Intelligenz sowie weitreichende Vertiefungsmöglichkeit im Bereich Machine Learning
  • Ausgewogene Mischung zwischen Theorie und Praxis mit integrierten Projekten und Praktika

Der Hauptteil des Masterstudiums besteht aus vier offenen Wahlbereichen, die sich untergliedern in

  • einen Grundlagenbereich (Foundations of Artificial Intelligence),
  • einen Bereich zu weiterführenden Modellen und Methoden der künstlichen Intelligenz und des maschinellen Lernens (AI Models and Methods),
  • einen Bereich zu Herausforderungen bei der Entwicklung von realen KI-Systemen (AI Systems)
  • sowie einen Bereich mit anwendungsorientierten Veranstaltungen (AI Domains and Applications).

Studierende müssen Veranstaltungen aus allen Bereichen belegen.

Neben einem Angebot von Seminaren und Praktika können Studierende sich bereits frühzeitig durch größere, ggf. auch mehrteilige, Projekte auf eine abschließende Masterarbeit vorbereiten.

Inhaltliche Schwerpunkte individuell setzen

In der Studienplangestaltung sind Studierende sehr frei und können so ihre individuellen Interessen verfolgen. Durch die Wahlbereiche ist sichergestellt, dass die Studierenden dabei das notwendige Grundlagenwissen sowie die für den Studiengang essenziellen Fachkenntnisse und Kompetenzen erarbeiten.

Praxisorientiert

Eine große Stärke des Studiengangs sind die integrierten Projekte und Praktika. Hier haben Studierende die Möglichkeit, an herausfordernden Projekten in internationaler Spitzenforschung teilzunehmen.

Nachfolgend finden Sie den idealtypischen Studienplan. Detailiertere Informationen zu Studien- und Prüfungsplänen finden Sie unter dem Punkt „Ordnungen“ .

Die Grafik zeigt eine vereinfachte Strukturübersicht des Studiengangs. Die Veranstaltungen der drei Wahlbereiche AI Models and Methods, AI Systems und AI Domains & Applications bauen auf den Grundlagenveranstaltungen des Wahlbereichs Foundations of Artificial Intelligence auf. Die Masterarbeit wird in der Regel im 4. Semester erstellt.
Die Grafik zeigt eine vereinfachte Strukturübersicht des Studiengangs. Die Veranstaltungen der drei Wahlbereiche AI Models and Methods, AI Systems und AI Domains & Applications bauen auf den Grundlagenveranstaltungen des Wahlbereichs Foundations of Artificial Intelligence auf. Die Masterarbeit wird in der Regel im 4. Semester erstellt.

Zugangsvoraussetzung zum englischsprachigen Masterstudiengang Artificial Intelligence and Machine Learning (AIM) ist der Abschluss eines Studiengangs, der Kompetenzen im Umfang von mindestens 180 Credit Points (CP) vermittelt. Von diesen dürfen mindestens 60 CP nicht wesentlich verschieden sein zu den im Referenzstudiengang Bachelorstudiengang Informatik (B.Sc.) der TU Darmstadt erworbenen Eingangskompetenzen (siehe auch folgende Abschnitte „Fachliche Voraussetzungen“ als Auszug aus der Studiengangsordnung).

Formale Eingangsprüfung

Die Eingangskompetenzen werden nachgewiesen durch das bei der Bewerbung eingereichte Zeugnis über den ersten Studienabschluss und das Diploma Supplement oder vergleichbare Unterlagen.

Materielle Eingangsprüfung

Konnten die Eingangskompetenzen auf diesem Weg nicht eindeutig geklärt werden, wird eine schriftliche Prüfung durchgeführt.

Zulassung mit Auflagen

Stellt sich nach erfolgter Eingangsprüfung heraus, dass den Bewerber*innen Eingangskompetenzen fehlen, die durch das Nachholen von Leistungen im Umfang von nicht mehr als 30 CP ausgeglichen werden können, so kann eine Zulassung unter Auflagen erfolgen. Die Auflagen müssen innerhalb der ersten zwei Semester erfüllt werden. Welche Module oder Fachprüfungen zur Auflage gemacht werden und bis wann diese zu erbringen sind, wird im Zulassungsbescheid aufgeführt.

Übliche Voraussetzungen

Zusätzlich gelten die für alle Studiengänge üblichen Voraussetzungen: insbesondere eine fristgerechte Bewerbung mit vollständigen (oder innerhalb einer Frist nachgereichten) Unterlagen und – nach Zulassung durch die TU Darmstadt – fristgerechter Überweisung des Semesterbeitrags.

Die im folgenden beschriebenen Eingangskompetenzen sind wesentlich für die erfolgreiche Absolvierung des M.Sc. Masterstudiengang Artificial Intelligence and Machine Learning. Es ist eine Auswahl der wichtigsten Kompetenzen, die im Referenzstudiengang B.Sc. Informatik an der TU Darmstadt vermittelt werden und damit auch die wesentlichen Voraussetzungen für die erfolgreiche Fortsetzung des Studiums in einem darauf aufbauenden Masterstudiengang liefern.

Innerhalb der im Umfang von mindestens 180 Credit Points (CP) nachzuweisenden Kompetenzen aus ihrem vorherigen Studienabschluss müssen Bewerber*innen für eine Zulassung Eingangskompetenzen im Umfang von insgesamt 60 CP nachweisen.

Fachliche Voraussetzungen

Im Folgenden werden die erwarteten fachlichen Eingangskompetenzen für den M.Sc. Artificial Intelligence and Machine Learning detailliert beschrieben.

Die Bewerber*innen sollten in der Lage sein, mathematische Notationen und Methoden zur Fundierung von Konzepten der Informatik einzusetzen, insbesondere zur formalen Modellierung und Verifikation von Soft- und Hardwaresystemen.

Diese Eingangskompetenzen vermittelt der Referenzstudiengang an der TU Darmstadt unter anderem in den Veranstaltungen Aussagen- und Prädikatenlogik; Automaten, formale Sprachen und Entscheidbarkeit; Modellierung, Spezifikation und Semantik.

Die Bewerber*innen sollten fähig sein,

  • selbstständig aus einer Problembeschreibung die zur Lösung erforderlichen Standardalgorithmen und Datenstrukturen entsprechend den funktionalen und nichtfunktionalen Anforderungen auszuwählen bzw. unter Zugrundelegung von bekannten Strategien neue Algorithmen und Datenstrukturen zur Problemlösung zu konstruieren und einzuschätzen, ggf. unter Berücksichtigung von Parallelität.
  • die einzelnen Bestandteile einer Programmiersprache selbstständig und ohne analoges Beispiel im Rahmen einer Programmieraufgabe zu einer Gesamtlösung zusammenzuführen.
  • Programmieraufgaben in unterschiedlichen, auch parallelen, Programmiersprachen zu lösen, die verschiedenen Paradigmen folgen, unterschiedliche Anwendungsbereiche haben und auf der ganzen Bandbreite an Abstraktionsebenen angesiedelt sind.
  • die Qualität der erstellten Implementierungen durch formalisierte Testverfahren und Entwurfsmethoden sicherzustellen.
  • die genannten Kenntnisse in praktisch relevanten Bereichen der Informatik selber anzuwenden. Dabei sollen jeweils auch nicht-funktionale Aspekte, insbesondere auch die Sicherheit der erstellten IT-Systeme, berücksichtigt werden.

Diese Eingangskompetenzen werden im Referenzstudiengang an der TU Darmstadt in folgenden Veranstaltungen vermittelt: Algorithmen und Datenstrukturen; Betriebssysteme; Computersystemsicherheit; Computernetze und verteilte Systeme; Einführung in den Compilerbau; Einführung in die Künstliche Intelligenz; Funktionale und objektorientierte Programmierkonzepte; Formale Methoden im Softwareentwurf; Informationsmanagement; Parallele Programmierung; Probabilistische Methoden der Informatik; Scientific Computing; Software Engineering; Visual Computing.

Bewerber*innen sollten die Fähigkeit haben,

  • die einzelnen Entwurfsprinzipien und Grundelemente von digitalen Schaltungen, wie sie in den Vorlesungen nacheinander separat eingeführt werden, selbstständig und ohne analoges Beispiel im Rahmen einer Hardware-Entwurfsaufgabe zu einer Gesamtlösung zusammenzuführen.
  • Entwurfsaufgaben auf unterschiedlichen Abstraktionsebenen und aus unterschiedlichen Anwendungsbereichen durch strukturierte Entwurfsmethoden in verschiedenen Beschreibungssprachen und unter Einsatz eines Spektrums von Entwurfswerkzeugen zu lösen und bezüglich geeigneter Gütemaße zu evaluieren.
  • die Interaktion von Computer-, Prozessor- und Mikroarchitekturen zu verstehen und daraus für die System- und Anwendungssoftwareebene passende Implementierungsentscheidungen zu treffen.

Veranstaltungen, in denen diese Eingangskompetenzen im Referenzstudiengang an der TU Darmstadt vermittelt werden, sind Digitaltechnik und Rechnerorganisation.

Bewerber*innen benötigen die Fähigkeit,

  • selbstständig aus der Beschreibung eines Informatik-Problems zu schließen,
    • dass es zur Lösung künstlicher Intelligenz (KI) bedarf,
    • die erforderlichen KI-Ansätze, KI-Standardalgorithmen und KI-Repräsentationen entsprechend den funktionalen Anforderungen zu identifizieren,
    • einzelne Entwurfsprinzipien und grundlegende Methoden aus der künstlichen Intelligenz anzuwenden
    • sowie selbstständig und ohne analoges Beispiel im Rahmen einer KI-System-Entwurfsaufgabe zu einer Gesamtlösung zusammenzuführen.
  • Entwurfsaufgaben in der Data Science und im maschinellen Lernen auf unterschiedlichen Abstraktionsebenen und aus unterschiedlichen Anwendungsbereichen durch strukturierte Entwurfsmethoden in verschiedenen Beschreibungssprachen und unter Einsatz eines Spektrums von Entwurfswerkzeugen zu lösen und bezüglich geeigneter Gütemaße zu evaluieren.

Diese Eingangskompetenzen werden in den folgenden Veranstaltungen des Referenzstudiengangs an der TU Darmstadt vermittelt: Einführung in die künstliche Intelligenz; Informationsmanagement; Probabilistische Methoden der Informatik.

Nach Abschluss des Studienganges sind die Absolvent*innen in der Lage,

  • mit ihrer verbesserten Methodenkompetenz komplexe Probleme und Aufgabenstellungen aus der künstlichen Intelligenz und dem maschinellen Lernen mit wissenschaftlichen Methoden unter Abwägung verschiedener Lösungsansätze selbstständig zu bearbeiten,
  • diese Kompetenzen auch in neuen und unvertrauten Situationen bei unvollständiger Information umzusetzen und dabei in Systemzusammenhängen zu denken,
  • Aufgaben und Probleme mit hohem Abstraktionsvermögen und Blick für komplexe Zusammenhänge zu lösen,
  • zukünftige Probleme, Technologien und wissenschaftliche Entwicklungen zu erkennen und bei ihrer Tätigkeit angemessen zu berücksichtigen,
  • die Ergebnisse ihrer Analysen bzw. die ausgearbeiteten Lösungen verschiedenen Zielgruppen auch fremdsprachlichen zu kommunizieren und zu präsentieren,
  • komplexe Projekte effizient zu organisieren und durchzuführen sowie in Teams zielgerichtet zu arbeiten,
  • sich eigenständig fachlich weiterzubilden und weitgehend selbstständig wissenschaftlich zu arbeiten,

Außerdem haben die Studierenden im Rahmen des Studium Generale in selbstgewählten übefachlichen Bereichen ihre Fähigkeiten und Erfahrungen erweitert.

Zusammenfassend entwickelt der Master-Studiengang Artificial Intelligence and Machine Learning (AIM) bei Studierenden vor allem die Kompetenz

  • mit Ansätzen aus der künstlichen Intelligenz und dem maschinellen Lernen komplexe Probleme bei unvollständiger Information zu lösen,
  • neue methodische Ansätze und abstrakte Modelle für die künstliche Intelligenz und/oder das maschinelle Lernen zu entwickeln,
  • neue KI-Systeme/ML-Systeme zu realisieren und diese in Anwendungsproblemen einzusetzen, die mit traditionellen Informatikproblemen nicht lösbar sind.

Hinzu kommt die Fertigkeit, sich verstärkt mit der aktuellen Forschungsliteratur auseinandersetzen zu können sowie die Befähigung zum wissenschaftlichen Arbeiten in einem selbst gewählten Untergebiet der KI/des ML und zur selbstständigen Lösung aktueller Probleme in der Praxis.

Absolventinnen und Absolventen des Masterstudiengangs Artificial Intelligence and Machine Learning (AIM) sehen einem innovativen und vielversprechenden Arbeitsmarkt mit vielfältigen Perspektiven in der Industrie, Wirtschaft und Forschung entgegen. Sie können als Entwicklungsingenieure, -ingeneurinnen oder Softwareentwickler/-innen in Forschungseinrichtungen oder in Bereichen der Forschung, Entwicklung und Anwendung in Unternehmen tätig werden.

Wichtig ist es, neben dem Studium frühzeitig in einschlägigen Einrichtungen eigene praktische Erfahrungen zu sammeln, seine allgemeine Praxistauglichkeit unter Beweis zu stellen und Kontakte zu knüpfen. Die Aussicht auf eine gute Stellung wird durch die Bereitschaft zu beruflicher Mobilität, auch ins Ausland, erhöht. Insbesondere bei einer internationalen Ausrichtung sind sichere englische Sprachkenntnisse sehr zu empfehlen.