Bachelorstudium
Die School of Engineering bietet zehn verschiedene Bachelorstudiengänge an. Der Unterricht ist praxisorientiert und bietet Ihnen bereits während des Studiums die Möglichkeit, potenzielle zukünftige Arbeitgeber kennenzulernen.
Wir tragen zu den meisten dieser Studiengänge bei, die sowohl im Vollzeit- als auch im Teilzeitmodell absolviert werden können, und sind besonders in den folgenden beiden beheimatet:
Aufbauend auf dem Grundstudium erhalten Sie jeweils fundierte Kenntnisse in Algorithmen, maschinellem Lernen, Data Mining und Künstlicher Intelligenz sowie einer 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, da sie für die praktische Arbeit als Ingenieur im Umfeld von KI essentiell sind. Die Dozierenden am CAI sind jedoch nicht nur akademisch hervorragend qualifiziert, sondern verfügen auch über umfangreiche Berufserfahrung und ein breites Netzwerk an Kontakten.
Im Rahmen des Studiums bieten sie im letzten Studienjahr eine begrenzte Anzahl an Möglichkeiten an, 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.
Studentische Arbeiten
Die vollständige Liste aller studentischen Arbeiten, welche von Expertinnen und Experten am CAI betreut wurden, finden Sie hier. Untenstehend sehen Sie eine der erfolgreichen Bachelorarbeiten als Beispiel. Sie gewann zahlreiche Preise und wurde auch wissenschaftlich publiziert.
KI-basierte Zellsegmentierung für schnelle Erkennung von Schilddrüsenkrebs
Bachelorarbeit (Informatik)
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-basierten neuronalen Netz erreicht werden kann. Die für die automatische Verarbeitung benötigte Zeit wurde auf 10 Sekunden reduziert, während für die manuelle Datenverarbeitung eine Stunde benötigt wurde. https://www.nature.com/articles/s41598-024-64855-2