Studierende

Um Studierenden zu zeigen, was sie in ihren jeweiligen Fächern mit Data Science Methodik erreichen können, wurde eine Umfrage unter den aktuellen Studierenden durchgeführt. Hier wurden Fragen zu den Studiengängen und den vermittelten Inhalten gestellt. 

Eines unserer Ziele für die Webseite ist es, darzustellen, wie Studierende der Universität Regensburg zu den Themen Künstliche Intelligen, Machine Learning und Big Data stehen. 

In dem Interview kamen folgende Aspekte zu sprechen:

Genannte Studiengänge:

  • Informationswissenschaft
  • Medieninformatik
  • Public History
  • Digital Humanities
  • Medienwissenschaft
Mit knapp 60%, sind etwas mehr als die Hälfte Studierende im Bachelor. Ca. 40% sind Masterstudierende.
Etwa die Hälfte der Befragten gab hier an, im 4. Fachsemester zu sein. Knapp ein Fünftel befand sich im 3. Semester und der Rest verteilte sich auf das 2. und 6. Semester. Die Meisten der Befragten befand sich also in der Mitte ihres Studiums.
Etwas mehr als die Hälfte der Befragten gab an männlich zu sein. Überraschend ist der große Anteil an Frauen.
Jeweils ein Drittel der Befragten war zwischen 18 und 20, 21 und 23 oder 24 und 26. Nur jeweils ein Befragter gab an über 27 bzw. 30 zu sein.
60% gaben an, dass die Themenbereiche eine große bis sehr große Rolle in ihrem Studiengang spielt. Bei den übrigen 30% spielen diese Themen eine eher kleine Rolle.
Fast alle Befragten gaben an, bereits Veranstaltungen zu den genannten Themen besucht zu haben. Genannte Veranstaltungen/Themen:
  • Machine Learning
  • Web and Data Science
  • Mensch-Maschine-Interaktion
  • Erfassen, Vorverarbeiten und Analysieren von Sensordaten
  • Informationssysteme
  • Digitalisierung und Digitale Gesellschaft
  • Information Retrieval
  • Natural Language Engineering
  • Genomic und Bioinformatik
  • Advanced Topics of Optimization Algorithms
  • Advanced Topics in Information Retrieval
  • Digital Humanities
  • Repräsentation von sicherem und unsicherem Wissen
  • Computation Intelligence
  • Informationslinguistik
Über Dreiviertel der Befragten haben die Veranstaltungen besucht, da sie ein verpflichtender Bestandteil ihres Studiums waren.
  • „Vor allem Machine Learning I und II auf jeden Fall. Vermittelt alle wichtigen Grundkenntnisse im Bereich Künstliche Intelligenz, man lernt die zugrundeliegende Mathematik und das Anwenden der Methoden“

  • „Theoretisch würde ich schon empfehlen, den Schwerpunkt bei den verpflichtenden Veranstaltungen zu wählen, allerdings ist es dann auch hilfreich, im Vorfeld Kurse der IW oder anderweitig etwas zu belegen, das in das Thema einführt und dass man eher etwas generelles versucht, da das erste größere Projekt in die Richtung jetzt ohne große Vorarbeit in Richtung Machine Learning bei mir umgesetzt wurde und das zu bauende System schon ein fortschrittlicheres war, für das es kaum gute Tutorials gab und man sich etwas verloren gefühlt hat.“

  • „Ja definitiv. Alle anderen Kurse gehen viel zu wenig ins Detail und vermitteln Inhalte zu Machine Learning alles andere als ‚Hands-On'“

  • „DDG I würde ich empfehlen, da es einen guten groben Überblick schafft, was Machine Learning, KI, BigData o.Ä. für eine Rolle im Alltag spielen und was diese Dinge möglich machen“

  • „Guter Überblick“

  • „Würde eher nicht empfehlen, da kaum konkrete Anwendung (z.B. mit Beispielen, Musterlösungen etc.)“

  • „Ja, besseres Verständnis von Machine Learning im Detail und in der Wirtschaft/Gesellschaft“

  • „Ja, weil die Themen interessant sind“

  • „Ja, da man einen guten Überblick über die angesprochenen Technologien erhält ohne zu viele technische Details“

  • „Ja, finde das Thema sehr interessant“

  • „Natural Language Engineering behandelt zwar AI, Machine Learning nur nebenbei – diese Themen werden immer wieder angesprochen, aber meist nur theoretischer und oberflächlicher Natur. Aber dennoch ein äusserst wertvoller Kurs, weil es wichtige Grundvoraussetzungen für diese Technologien liefert.“
  • „Anfangs fällt es schwer die komplexen mathematischen Konzepte voll zu verstehen, mit der Zeit erkennt man aber Ähnlichkeiten, wodurch der Umgang damit leichter wird“

  • „Der Umgang fällt eher schwer, zumindest in den Kursen, in denen es aufkam, da kein entsprechender Kurs kam in dem man praktisch genau das umsetzen musste, was letztendlich Gegenstand in einem der späteren Kurse war und man sich alles so erarbeiten musste, nur gab es für den bestimmten Machine Learning Bereich kaum Tutorials oder Anhaltspunkte, sodass es sehr schwierig war, von Grund auf in das Thema einzusteigen.“

  • „Leicht“

  • „Eher leicht“

  • „Teils teils, das Grundprinzip zu verstehen fällt mir eigentlich leicht, wenn es weiter in die Tiefe geht, tue ich mich manchmal schwer“

  • „Eher schwer. Ich verstehe Dinge gern von Grund auf, und bei Machine Learning ist es oft schwer nachvollziehbar, wie das Ergebnis genau zustande kommt.“

  • „Die Themen sind sehr mathematisch, fordern einiges an Einarbeitungszeit und noch mehr zeit, um Resultate zu analysieren. Da dieses Feld sehr weitläufig ist, sind gute Grundkenntnisse absolut wichtig.“

  • „Schwer, sehr komplexes Thema. Insbesondere das Verständnis von Machine Learning selbst, da es auf mathematischen Grundlagen basiert und komplexe Algorithmen sehr abstrakt sind.“

  • „Eher schwer“

  • „Zu Beginn wirkt es schon eher schwer, gerade mit der Mathematik die sich dahinter versteckt. Wenn man aber bspw. Tensorflow / Keras als Blackbox verwendet, ist es überschaubar.“

  • „ist sehr komplex“

  • „Teilweise kompliziert, aber Interessant“

  • „Kommt darauf an wie der Professor das Thema erklärt, manchmal fehlen da leichte und anschauliche Beispiele“
  • „Definitiv mehr Veranstaltungen selbst am Lehrstuhl anbieten (aktuell hauptsächlich im Bereich Physik); Freiwilliges Angebot der anderen Fakultäten besser sichtbar und einfacher einbringbar machen“

  • „Eventuell ist es sinnvoll vor der Machine Learning Veranstaltung einen Grundlagen Kurs für die geforderten mathematischen Kenntnisse zu besuchen.“

  • „Mehr Veranstaltungen, in denen die Themen noch mehr aufgegriffen werden“

  • „Kann ich noch nicht abschätzen, weil das Thema bisher nur nebenher behandelt wurde, aber ich würde schon sagen, dass hierzu mehrere Veranstaltungen gut sind. Allein im Hinblick auf nach der Uni: Je mehr man sich mit dem Thema beschäftigt hat, desto leichter fällt einem professionell der Einstieg. Und im Moment ist das ein enorm schnell wachsendes Forschungsgebiet. Der Stoff geht also nicht aus.“

  • „Eine Einführung in Machine Learning an sich wäre hilfreich, da meines Wissens nach KI auf eine gewisse Weise schon als Einführung angeboten werden, aber als ich die Kurse damals belegt hatte, waren diese neu strukturiert worden und es ging in den Vorlesungen zwar um die Themen, aber praktisch hat man nicht so viel angestellt. Außerdem wäre es hilfreich fokussiert sich auf eine Möglichkeit der Machine Learning Integrierung festzulegen, z.B. einen Kurs, in dem man mit Python als Basis ein solches System baut und dann später evtl. auch in Tensorflow oder PyTorch oder andere Möglichkeiten einführt.“

  • „Es sind viel mehr Veranstaltungen nötig! Es wird bei uns oft über KI gesprochen aber gefühlt bringts einem keiner bei. Sowas wie Jupyter Notebook scheint den meisten Professoren fremd zu sein.“

  • „mehr Reflexion über Implikationen und Nutzen für Lebenswirklichkeiten“

  • „Hätte, analog zu anderen Veranstaltungen, konkrete Übungsaufgaben, die von leicht zu schwierig gehen erwartet und nicht einen fetten Theorieblob, vllt eine Sitzung um Software vorzustellen und danach die Erwartung, dass wir uns den Rest selbst beibringen.“

  • „Praktische Beispiele zum selber Ausprobieren würden bestimmt beim Verständnis helfen“

  • „Es sollte Vorlesungen zu Grundlagen neuronaler Netze geben, vor allem wie man einfache Beispiele selbst implementiert“

  • „Ich denke mehr Veranstaltungen zu diesen Themen wären durchaus sinnvoll“

  • „Leichte und anschauliche Beispiele und ja mehr Veranstaltungen wären auch gut“

  • „In Computational Intelligence wäre eine Übungseinheit, wo man mit Tensorflor/Keras Deep Neural Networks implementiert noch wünschenswert.“
  • „Ja, denn es spielt eine immer wichtigere Rolle in verschiedensten Sektoren. Nahezu jeder Bereich verwendet heutzutage in irgendeiner Form Machinelles Lernen bzw. Big Data-Ansätze“

  • „Ja finde ich. Es durchdringt für mich den Alltag, auch in studentischer Sicht: wie gesagt, ich hatte das Gefühl Machine Learning Skills anwenden zu müssen obwohl es einem keiner beigebracht hat. Darunter leidet auch die Qualität der Projekte“

  • „Ja, denn es ist ein sehr wichtiges Zukunftsthema – jeder sollte zumindest eine geringe Ahnung davon haben, wie sein Sprachassistent am Handy oder ähnlichem funktioniert“

  • „Ja, finde ich wichtig, weil es wichtig ist, dass diese Begriffe nicht nur als Schlagworte umhergeworfen werden, sondern das wir verstehen, was dahinter steckt und wenn möglich, auch praktische Erfahrungen damit sammeln können.“

  • „Ja, ich denke, dass über kurz oder lang AI usw Einzug in jeden Bereich unseres Lebens finden wird und daher sollte man zumindestens ein vages Grundverständnis davon besitzen.“

  • „Kommt darauf an, ich denke, in sehr vielen Bereichen sollte das schon angesprochen werden, da es einfach im Alltag allgegenwärtig ist, auch wenn man es vielleicht gar nicht merkt. Trotzdem brauchen es bestimmt nicht alle Studierenden für ihr späteres Berufsleben“

  • „Diesen KI-Sommer sollte man nutzen, um in nächsten KI-Winter Gewinn aus den Früchten des Sommer zu ziehen.“

  • „Ja, da es vor allem heutzutage sehr präsent ist durch die ganzen Werbe/Algorithmen“

  • „Ja, das ist ein Zukunftsthema“

  • „Ich denke, das kommt darauf an, was man studiert. In Informatikstudiengängen auf jeden Fall.“

  • „Es kommt darauf an welchen Fokus man als Student hat, sprich in welche Richtung man sich gerne weiterbilden möchte. Der Master IW lässt da einige Freiheiten die aber nicht zwangsläufig mit dem Bereich KI etc. gefüllt werden müssen. Viele Studenten entscheiden sich wohl auch für IW, weil sie gerade die nicht zu vertiefenden Mathematik- und Informatikanforderungen schätzen.“

  • „Ja, denn diese Themen beeinflussen zunehmend unseren Alltag (e.g. Cambridge Analytica, targeted advertising). Meiner Meinung nach ist es wichtig, dass Studierende einen kleinen Einblick in die Funktionsweise dieser Technologien haben und somit sich auch der Weiterverarbeitung Ihrer Daten bewusster sind.“

  • „Ja, da es immer mehr Bedeutung gewinnt“

  • „In bestimmten Studiengängen ist es durchaus interessant, sich mit den Themen zu beschäftigen, gerade weil es Studenten, die sich sonst auch sehr viel im Internet bewegen, eigentlich heute als auch in Zukunft etwas angeht. Außerdem kann man die Themen auch von verschiedenen Standpunkten betrachten (ethisch, was für Möglichkeiten es bringt, die Gefahren, die Vorteile, für wen es noch nützlich sein kann)“

  • „Ja, da es aller Wahrscheinlichkeit nach ein großer Bestandteil unserer Zukunft sein wird“

  • „Ja da es denke ich in viele Berufen wichtig wird“

  • „Ja, da das einfach die Zukunft ist.“

  • „Ich denke ich habe bereits ausführlich meine Meinung dazu geschildert. Die besten KI/Kurse machen andere Fakultäten (bisher)“

Zuletzt bearbeitet am