CAS Machine Intelligence
AnmeldenAuf einen Blick
Abschluss:
Certificate of Advanced Studies in Machine Intelligence (12 ECTS)
Start:
20.02.2024
Dauer:
5 Monate, mehr Details zur Durchführung
Kosten:
CHF 5'900.00
Durchführungsort:
ZHAW, Gebäude LT, Technopark Trakt A, Winterthur, Jägerstrasse 2, 8401 Winterthur (Auf Google Maps anzeigen)
Unterrichtssprache:
- Deutsch, Englisch
- Durchführungen mit Start im Februar: Deutsch / Durchführungen mit Start im September: Englisch
Vom CAS zum MAS:
Das CAS Machine Intelligence ist Bestandteil des DAS Data Science und des MAS Data Science.
Im CAS Machine Intelligence wird eine umfassende Basis im Bereich der Künstlichen Intelligenz vermittelt. Nebst dem Wissen in den Teilbereichen des maschinellen Lernens und des Deep Learnings erlangt und entwickelt man durch die praxisbezogenen Kleinprojekte insbesondere Wissen in weiterführenden Themen wie Computer Vision, Text Analytics oder Big Data. Die ausgewogene Weiterbildung in Theorie und Praxis schafft damit eine wertvolle Grundlage für den Einstieg und die Vertiefung in unterschiedlichsten Positionen im Data Science-Bereich.
Sven Goldinger, Head of DWH/BI bei Victorinox AG
Ziele und Inhalt
Zielpublikum
Folgende Zielgruppen sollen angesprochen werden:
- Professionals mit Hochschulabschluss und mit mehrjähriger Berufserfahrung als Daten- oder Business-Analysten
- Analytiker und Data Miner
- Spezialisten im Analytischen Marketing
- Ingenieure, Softwareentwickler und Softwarearchitekten
- IT Projektleiter und Berater
Ziele
Die Studierenden erwerben sowohl theoretische Grundlagen als auch praktische Fähigkeiten in den folgenden Bereichen:
- Machine Learning
- Deep Learning
- Text Analytics
- Big Data Applications
Inhalt
Modul A "Machine Learning"
Lernziele
- Sie kennen die wesentlichen Grundlagen und Best Practices zum Einsatz von ML-Verfahren
- Sie können für einen gegebenen Datensatz ein geeignetes ML-Verfahren auswählen und die Features entsprechend aufbereiten
- Sie können selbstlernende Skripte unter Verwendung von ML-Algorithmenbibliotheken wie etwa Python/sklearn entwickeln
Inhalte
- Grundlagen, Einsatzkonzepte und Best Practices für Machine Learning (ML)
- Ausgewählte Machine Learning Algorithmen (Clustering, Classification, Anomaly Detection)
- Feature Engineering
Modul B "Deep Learning"
Lernziele
- Sie kennen und verstehen die Grundlagen und relevanten Architekturen des Deep Learnings
- Sie sind mit den neusten Entwicklungen im Deep Learning vertraut
- Sie sind in der Lage, mit dem in der Vorlesung vorgestellten und im Praktikum verwendeten Framework eigenständig geeignete Verfahren des Deep Learnings auf neue Fragestellungen anzuwenden
Inhalte
- Grundlagen des Deep Learnings (zum Beispiel Optimierung, logistische Regression, Neuronale Netze mit vielen Schichten, Autoencoder)
- Frameworks für Deep Learning: Es wird ein Framework für Deep Learning vertieft dargestellt (zum Beispiel TensorFlow).
- Deep Learning Architekturen (zum Beispiel convolutional neural networks und rekursive Neuronale Netze)
- Neuste Entwicklungen: Es wird auf neuste Entwicklungen, die sich in der Praxis durchsetzen haben eingegangen (zum Beispiel generative Modelle)
Modul C "Text Analytics"
Lernziele
- Sie kennen die wesentlichen Methoden zur automatischen Textanalyse
- Sie können für eine konkrete Aufgabenstellung entscheiden, wie gut automatische Textanalyse dafür funktionieren könnte
- Sie können einfache Systeme zur automatischen Textanalyse implementieren und deren Qualität evaluieren
Inhalte
- Grundlagen, Einsatzkonzepte und Best Practices von automatischer Textanalyse
- Evaluation von Systemen zur automatischen Textanalyse
- Ausgewählte Anwendungen und Algorithmen (Text-Klassifikation, Sentiment-Analyse, Keyword Extraction etc.)
Modul D "Advanced Topics in Big Data"
Aufbau und Verwendung von Big Data Technologie zur Durchführung von skalierbaren Analysen:
- Sie verstehen die Wesensmerkmale und den Aufbau sowie den Zweck von Big Data Systemen
- Sie können Big Data Systeme beurteilen und evaluieren
- Sie haben in den Praktika Hands-on Erfahrung mit State-of-the-Art Tools wie Apache Spark gesammelt
Inhalte
- Grundkonzepte neuester Big Data Technologien wie etwa Apache Spark
- Einsatz von Big Data Technologie für Analyse von strukturierten und unstrukturierten Daten
- Verwendung von Streaming Technologien und skalierbaren Machine Learning Algorithmen
- Big Data Applikationen in unterschiedlichen Bereichen
Methodik
Das Ausbildungsprogramm umfasst verschiedene Aktivitäten, wie etwa Vorlesungen, praxisorientierte Übungen und Fallbeispiele, Gruppenarbeiten und Selbststudium (Vor- und Nachbereitung).
Mehr Details zur Durchführung
Das CAS Machine Intelligence wird berufsbegleitend absolviert. Der Unterricht findet einmal pro Woche dienstags von 9:00 bis 17:00 (8 Lektionen) statt. Ein Unterrichtstag ist in zwei Blöcke von je 4 Lektionen unterteilt, wobei ein Block aus 2 Lektionen Unterricht und 2 Lektionen praktischem Arbeiten besteht. In den praktischen Arbeiten vertiefen die Teilnehmerinnen und Teilnehmer das Gelernte an konkreten Beispielen, die mit einer entsprechenden Software auf dem eigenen Laptop bearbeitet werden.
Den individuellen Stundenplan erhalten die Studierenden spätestens einen Monat vor Studienbeginn. Die schulfreie Zeit richtet sich nach den Schulferien der Stadt Winterthur.
Beratung und Kontakt
-
Dr. Frank-Peter Schilling (scik)
+41 (0) 58 934 69 55
frank-peter.schilling@zhaw.ch -
ZHAW School of Engineering
Administration Weiterbildung
Technikumstrasse 9
8401 WinterthurTelefon +41 58 934 74 28
weiterbildung.engineering@zhaw.ch
Veranstalter
Dozierende
Das Team der Dozierenden besteht aus ausgewiesenen Fachpersonen mit Kompetenzen im akademischen und praktischen Bereich. Hier ein Auszug der Dozierendenliste:
- Prof. Dr. Mark Cieliebak, InIT
- Prof. Dr. Oliver Dürr, Hochschule Konstanz
- Prof. Dr. Beate Sick, IDP
- Prof. Dr. Thilo Stadelmann, InIT
- Prof. Dr. Kurt Stockinger, InIT
Infoveranstaltungen
Anmeldung
Zulassungskriterien
Die Zulassung zu einem CAS setzt grundsätzlich einen Hochschulabschluss (Fachhochschule, HTL, HWV, Uni, ETH) voraus. Es können aber auch Praktikerinnen und Praktiker mit vergleichbarer beruflicher Kompetenz zugelassen werden, wenn sich die Befähigung zur Teilnahme aus einem anderen Nachweis ergibt. Über die definitive Zulassung entscheidet die Studienleitung.
Die Zulassung zum CAS Machine Intelligence setzt zudem den erfolgreichen Abschluss des CAS Information Engineering voraus.
Anmeldeinformationen
Die Unterrichtssprache der Durchführungen mit Start im Februar ist Deutsch.
Die Unterrichtssprache der Durchführungen mit Start im September ist Englisch.
Wir führen keine Wartelisten und bieten keine Platzreservationen an.
Sollte bei der vorangehenden Durchführung ein Platz frei werden, berücksichtigen wir die Reihenfolge gemäss Anmeldeeingang.
Startdaten und Anmeldung
Start | Anmeldeschluss | Anmeldelink |
---|---|---|
20.02.2024 | 20.01.2024 | Anmeldung |