Bachelor Studium
Die School of Engineering bietet zehn verschiedene Bachelorstudiengänge an. Unsere Dozierenden sind nicht nur akademisch hervorragend qualifiziert, sondern verfügen auch über umfangreiche Berufserfahrung und ein breites Netzwerk an Kontakten. Der Unterricht ist praxisorientiert und bietet Ihnen bereits während des Studiums die Möglichkeit, potenzielle zukünftige Arbeitgeber kennenzulernen.
Wir sind an zwei dieser Studiengänge beteiligt, die sowohl im Vollzeit- als auch im Teilzeitmodell absolviert werden können:
- Bachelor of Science in Informatik: Sie erwerben fundierte Kenntnisse in Machine Learning, Data Mining und Künstlicher Intelligenz sowie in verschiedenen spezialisierten Themen aus den Kompetenzbereichen des Center for Artificial Intelligence.
- Bachelor of Science in Data Science: Sie erlernen die Grundlagen von Algorithmen, Machine Learning, Data Mining und Künstlicher Intelligenz sowie eine Vielzahl spezialisierter Themen aus den Kompetenzbereichen des Center for Artificial Intelligence.
Wir legen grossen Wert auf die Entwicklung der wissenschaftlichen und forschungsbezogenen Kompetenzen unserer Studierenden. Im Rahmen des Informatikstudiums bieten wir im letzten Studienjahr eine begrenzte Anzahl an Möglichkeiten, ein Forschungsprojekt durchzuführen. Diese Projekte zeichnen sich durch ihren klaren Forschungsfokus und ein höheres akademisches Anspruchsniveau aus. Damit verschaffen Sie sich einen Wettbewerbsvorteil für den erfolgreichen Abschluss Ihres Studiums und den anschliessenden Einstieg ins Berufsleben.
Beispiele studentischer Arbeiten
KI basierte Zellsegmentierung für schnelle Pathologie von Schilddrüsenkrebs
Bachelor Thesis (Computer Science)
Die Fluoreszenzpolarisation (Fpol) von Methylenblau (MB) ist ein vielversprechender quantitativer Ansatz zur Erkennung von Schilddrüsenkrebs. Die klinische Umsetzung der MB-Fpol-Technologie erfordert eine Verkürzung der Datenanalysezeit, die durch eine auf Deep Learning basierende automatische Zellsegmentierung mit einem 2D-U-Net-Faltungsneuronalnetz erreicht werden kann. Die für die automatische Verarbeitung benötigte Zeit wurde auf 10 Sekunden reduziert, während für die manuelle Datenverarbeitung eine Stunde benötigt wurde. www.nature.com/articles/s41598-024-64855-2
Automatische Erkennung schweizerdeutscher Dialekte anhand von Audiodaten via Phonemtranskriptionen
Bachelor Thesis (Computer Science)
Die Arbeit untersucht einen Ansatz zur automatischen Erkennung schweizerdeutscher Dialekte anhand von Audiodaten. Dabei werden die Audiosamples zuerst mit den Modellen Wav2Vec2Phoneme oder MultIPA in Phonemsequenzen transkribiert, die dann mit einfachen Klassifizierungsalgorithmen wie Logistic Regression einem von sieben Dialekten zugeordnet werden.
Die vollständige Liste aller studentischen Arbeiten, welche von Experten am CAI betreut wurden, finden Sie hier.