Artificial Intelligence and Data Science

Vielfältige Schwerpunksetzung in Bezug auf Anwendungen möglich (Medizin, Biologie, Sozialwissenschaften, …); Sehr hohe Praxisorientierung durch Lab Rotations/Praktika und interdisziplinäre Ringvorlesungen; Vielfältige Möglichkeiten für interdisziplinäre Masterarbeiten; Durch niedrige Studierendenzahl sehr intensive und individuelle Betreuung möglich; Sehr heterogene, interdisziplinär zusammengesetzte Studierendenschaft (Informatiker, Mathematiker, Naturwissenschaftler, Ingenieure, Computerlinguisten, ...).

Jeder Studierende muss zwei 6-wöchige Praktika absolvieren; Diese können entweder in Arbeitsgruppen der Universität oder extern bei Unternehmen oder Forschungszentren erfolgen; Fokus: aktiv und eingeverantwortlich an echten Data-Science-Projekten arbeiten; je nach Wahl der Praktikumsplätze erhalten die Studierenden realistische Einblicke in die Arbeit eines Data Scientists in einem Unternehmen und/oder in wissenschaftliches Arbeiten im akademischen Bereich; sowohl bei den Wahlfächern als auch bei der Masterarbeit großer Fokus auf interdisziplinäres und anwendungsnahes Arbeiten.

Jede Pflichtveranstaltung wird von einer/einem Dozent*in durchgängig über mehrere Jahre hinweg begleitet. Die Evaluationen und das Feedback der Studierenden kann dadurch systematisch in die Weiterentwicklung der Veranstaltungen einfließen, und die Veranstaltungen bleiben über die Jahre hinweg konsistent. Große Veranstaltungen werden durch die Verwendung von Online-Lernplattformen unterstützt, was die Kommunikation zwischen Studierenden und Lehrenden vereinfacht. Mögliche Hemmungen seitens der Studierenden Fragen zu stellen werden durch dies verringert.

Université de Nantes, Frankreich; Universidad Politécnica de Madrid, Spanien; Universidad San Jorge, Zaragoza, Spanien; Universität Basel, Schweiz; Institute of Technology, Blanchardstown, Irland; Göteborgs Universitet, Schweden; Technological Educational Institut of Epirus, Arta, Griechenland; University of Warmia and Mazury, Olsztyn, Polen; Università di Pisa, Italien; Universität Hacettepe, Ankara, Türkei

Sehr guter Zugang zum leistungsfähigen High Performance Cluster "HILBERT", der auch von Studierenden für entsprechende Abschlussarbeiten genutzt werden kann. Hervorragende Infrastruktur für Anwendungen der Künstlichen Intelligenz und im Machine Learning.

Starke interdisziplinäre Ausrichtung in der Forschung, z.B. durch die Beteiligung der Bioinformatik am Excellenzcluster der Biologie; durch intensive Zusammenarbeit mit den Sozialwissenschaften am "Düsseldorf Institute for Internet and Democracy" (mit Fokus auf Digitale Demokratie) und dem "Leibniz-Institut für Sozialwissenschaften" in Köln; enge Kooperationen mit der Medizin in den Bereichen Data Science und Künstliche Intelligenz; gemeinsame Professuren mit dem Forschungszentrum Jülich in Data Science und Machine Learning.

Der wissenschaftliche Nachwuchs wird gefördert durch die Heine Research Academies; für die MNF (und damit insbesondere die Informatik) ist iGRAD (Interdisciplinary Graduate and Research Academy Düsseldorf) daran beteiligt. Juniorprofessor*innen und Postdocs werden auch unterstützt durch das Junior Scientist and International Researcher Center der HHU.

Eine Professur für praxisnahe Gründungslehre wird derzeit eingerichtet. Unterstützung durch die DIWA GmbH, eine gemeinsame Technologie-Transferagentur der Heinrich-Heine-Universität und der Landeshauptstadt Düsseldorf. Ziel der DIWA ist es, Existenzgründungen aus der Wissenschaft zu unterstützen, Kooperationen zwischen Wissenschaft und Wirtschaft zu intensivieren und den Wissenschafts- und Technologiestandort Düsseldorf zu stärken.

Aufbau einer Gruppe von Mitarbeitern, welche sich mit besonderem Fokus und unter didaktischer Fortbildung der Entwicklung und Begleitung der Grundlagenlehre widmen. Im Zuge dieses Aufbaus soll ein Programm zur Früherkennung von Problemen und zur Unterstützung von schwachen Studierenden aufgebaut werden.

Link