CAS Data Engineering

Der CAS richtet sich an Fach- und Führungskräfte aus allen Branchen, welche ein Grundlagenverständnis für das Datenmanagement mitbringen, bereits Erfahrungen im generellen Umgang mit Daten gesammelt haben (bspw. durch den Besuch des CAS Data Competence for Business) und sich im Bereich der Sammlung, Aufbereitung, Validierung und Distribution von Daten vertiefen wollen. Idealerweise haben Sie bereits erste Erfahrungen mit 1 – 2 Abfrage-, Programmier- oder Skriptsprachen gesammelt. Der CAS bereitet Sie darauf vor, Aufgaben im Bereich des Data Engineering selbst durchzuführen sowie auf einem fachlichen Niveau zu überwachen.
 

Sie können im Anschluss an diesen CAS:

• Fragestellungen identifizieren, denen mit dem Einbezug von Daten und unterschiedlichen Aufbereitungs- und Analysemethoden begegnet werden kann
• für den Erkenntnisgewinn erforderliche Daten identifizieren und spezifizieren
• Speicherlösungen konzeptionieren und Datenmodelle skizzieren
• Daten mittels unterschiedlicher Vorgehensweisen beschaffen und in geeignete Speicherlösungen überführen
• für die Datenpipeline geeignete Transformationsmethoden kennen und anwenden, um die Datenkompatibilität herzustellen
• für die Datenpipeline geeignete Bereinigungsmethoden kennen und anwenden, um eine akzeptable Datenqualität herzustellen
• Grundsätzliche Überlegungen und Wege zur Bereitstellung von Daten für die Anwendungsfälle Analytik und Machine Learning kennen
• die wichtigsten Überlegungen im Bereich der Informationssicherheit kennen
• Überlappungen des Data Engineering – Lebensyzklus mit Datenmanagement, Orchestrierung, Software Engineeering und DevOps/DataOps/MLOps kennen
• Statistische Methoden und Modelle des maschinellen Lernens für die Analyse und Validation der Daten innerhalb des Data Engineering - Lebenszyklus kennen und anwenden
• Statistische Methoden und Modelle des maschinellen Lernens für die Identifikation von Anomalien in Daten kennen und anwenden
• Werkzeuge und Methoden für den Umgang mit natürlicher Sprache kennen und anwenden
• Werkzeuge und Methoden für den Umgang mit Bilddaten kennen und anwenden
• Werkzeuge und Methoden für den Umgang mit räumlichen Daten kennen und anwenden
• Daten über ausgewählte Deployment-Lösungen bereitstellen und Datenübergänge automatisieren

Zwei Perspektiven auf den Data Value Stack:
CAS Data Engineering vs. CAS Data Competence for Business

Der CAS Data Engineering fokussiert stärker auf die technischen Grundlagen, Architekturen und Prozesse entlang des Data Value Stack, während der CAS Data Competence for Business die geschäftliche Nutzung, Bewertung und verantwortungsvolle Einordnung von Daten- und KI-Anwendungen in den Vordergrund stellt.

Data Engineering bildet die technische Grundlage moderner daten- und KI-getriebener Systeme. Während sich Data Science primär mit der Analyse, Modellierung und Interpretation von Daten befasst, konzentriert sich Data Engineering auf die Konzeption, Entwicklung und den Betrieb von Datenarchitekturen, Datenpipelines und Datenplattformen. Ziel ist es, Daten aus unterschiedlichen Quellen effizient zu erfassen, zu integrieren, zu transformieren und für analytische sowie operative Anwendungen nutzbar zu machen.

Mit dem rasanten Wachstum von Datenmengen, Cloud-Plattformen und Künstlicher Intelligenz steigt in Unternehmen die Bedeutung von Fachpersonen, die Daten entlang des gesamten Datenlifecycles systematisch bereitstellen, verarbeiten und verwalten können. Moderne Data-Engineering-Lösungen bilden heute die Grundlage für Business Intelligence, Machine Learning, generative KI, automatisierte Prozesse und datenbasierte Entscheidungsunterstützung.

Im CAS Data Engineering erwerben die Teilnehmenden praxisorientierte Kompetenzen zur Entwicklung moderner Daten- und KI-Systeme. Der CAS verbindet technische Grundlagen mit produktionsnahen Anwendungen und vermittelt ein breites Spektrum an Methoden, Werkzeugen und Architekturen aus den Bereichen Data Engineering, Data Science und AI Engineering.

Jeder Themenblock kombiniert theoretische Grundlagen, architektonische und prozessorientierte Perspektiven sowie umfangreiche praktische Übungen. Die Übungen basieren auf öffentlich zugänglichen Datensätzen aus unterschiedlichen Domänen wie Gesundheit, Energie, Mobilität, Versicherungen, Finanzen oder Industrie. Es besteht zudem die Möglichkeit, mit eigenen Daten und individuellen Anwendungsfällen aus dem beruflichen Umfeld zu arbeiten.

Das erste Modul widmet sich den Werkzeugen und Methoden der folgenden Phasen des Data Engineering Lifecycle (Reis & Housley, 2022).

1. Einführung

• Definition von Data Engineering, Abgrenzung zu verwandten Themenbereichen
• Motivation, Organisation, Anforderungen, Organisatorisches
• Tools und Equipment (Programmier-, Abfrage- und Skriptsprachen, Umgebungen)
• Einführungscases

2. Architekturen

• Datenarchitekturen und ihrer Grundsätze
• Architekturkonzepte

3. Ingestion

• Formate und Datentypen
• Datenquellen und -identifikation
• API’s
• Webscraping
• Streaming

4. Storage

• Verteilte Systeme
• Datenbankeigenschaften
• Raw ingredients
• Data Storage Systems

5. Transformation

• ROI der Transformation
• Zeitfenster
• Kombination von Streams mit anderen Daten
• Kompatibilitäten
• Integration
• Datenqualität

6. Serving

• Überlegungen zur Bereitstellung von Daten
• Wege zur Bereitstellung von Daten
• Anwendungsfälle Analytik und Machine Learning
• Reverse ETL

7. Unterströmungen

• Datenmanagement
• Orchestrierung
• Software Engineering
• DevOps und DataOps
• Informationssicherheit

Im 2. Modul stehen Anwendungsfälle in den folgenden Themenblöcken im Fokus.

1. Generative KI: Von Prompts zu RAG

2. Use Cases und Best Practices im Service Public

3. Plattformen und Aggregatoren

4. Agentic AI

5. Räumliche Daten

6. Bilddaten

Wir arbeiten mit den folgenden Sprachen und Umgebungen.

Programmier-, Abfrage- und Skriptsprachen:

• Python
• SQL
• MongoDB Query Language (MQL)
• Cypher
• InfluxQL
• R (optional)
• Visual Basic (optional)

Frameworks und Libraries:

• pandas
• NumPy
• Matplotlib
• Seaborn
• scikit-learn
• TensorFlow / Keras (optional)
• Flask
• Dash
• LangChain
• Apache Spark

Entwicklungsumgebungen und Tools:

• OpenRefine
• Jupyter Notebook / JupyterLab
• Spyder
• Marimo
• Visual Studio Code
• GitHub Codespaces
• PyCharm (optional)
• Google Colab (optional)
• MS Excel
• MS Access (optional)

Datenmodelle und Datenbanksysteme:

• Relational: SQLite, MySQL, MariaDB
• Dokument-basiert: MongoDB
• Graphen-basiert: Neo4j
• Zeitreihen-basiert: InfluxDB
• Vektor-Datenbanken: pgvector, Chroma
• Lokale und cloudbasierte Datenplattformen und Datenbanksysteme (z.B. Microsoft Azure, Google Cloud Platform, Amazon Web Services)

KI und AI Engineering:

• Generative KI und Large Language Models (LLMs): ChatGPT, Claude, Gemini
• Lokale LLM-Umgebungen: Ollama
• Editor-integrierte KI: GitHub Copilot, Cursor

Weitere Technologien und Plattformen:

• Google Cloud Platform (GCP)
• Git
• Shell / Terminal
• Docker
• QT Designer (optional)
• Django (optional)

Der CAS zeichnet sich durch methodische Vielfalt aus. Neben Lehrgesprächen, Referaten, (Gruppen-)Übungen, Fallstudien oder Arbeit an Fallbeispielen aus der Praxis wird grosser Wert auf den Erfahrungsaustausch zwischen den Teilnehmenden gelegt.

Der Leistungsnachweis besteht aus einer Projektarbeit, die den gesamten CAS begleitet und in Gruppen erarbeitet wird. Die Projektarbeit wird pro Modul im Rahmen eines Kolloquiums durch die Gruppen präsentiert und im Plenum diskutiert.

Die Vorlesungen finden jeweils am Freitag und Samstag statt. Änderungen sind möglich.

Frederic Auberson: Google
SRE for Data Engineers
“Site Reliability Engineering is Google's way of running services at scale. Because up to 90% of the cost of software is incurred after a service is launched, SREs make data-driven decisions in order to optimize the efficiency of systems operations. In this talk, we'll look at what an SRE does, where we get our data from, and how we leverage it in our day-to-day work.”

Prof. Dr. Alexandre de Spindler: Generative KI – Von Prompts zu RAG

Tibor Dudas: Informationssicherheit

Dr. Mario Gellrich: Ingestion und Räumliche Daten

Jasmin Heierli: Generative KI – Von Prompts zu RAG, Workshop, Leistungsnachweis

Dr. Christian Hitz: Einführung

Benjamin Kühnis: Agentic AI und Bilddaten

Václav Pechtor: Google Cloud Plattform (GCP)

Maria Rothstein: Einführung, Architekturen, Storage, Transformation, Serving, Unterströmungen, Use Cases mit kombinierten Fragestellungen, Workshop, Leistungsnachweis

Kirsten Scherer: Kantonspolizei ZH, SRG SSR
Use Cases und Best Practices im Umgang mit unstrukturierten Daten im Service Public
“Der Vortrag widmet sich den Aufgaben, die sich in der Praxis im Umgang mit unstrukturierten Daten ergeben können. Dazu werden drei Beispiele aus dem Umfeld des Service Public, deren spezifische Problemfelder und die gewählten Lösungsansätze vorgestellt. Anschliessend erfolgt einerseits ein Spotlight auf die allgemeinen Fähigkeiten, die zur Identifizierung von Daten und Verfahren für bestimmte Problemstellungen erforderlich sind und andererseits auf die besonderen Anforderungen, die die Nutzung unstrukturierter Daten im Unternehmen mit sich bringen kann.”

Dr. Anna Wiedemann, DevOps

Der Zertifikatslehrgang richtet sich an Absolventinnen und Absolventen von Hochschulen (FH/Universität) mit mind. 3 Jahren Berufserfahrung sowie an Berufsleute ohne Hochschulabschluss mit mind. 5 Jahren Berufserfahrung und entsprechenden Weiterbildungsausweisen (höhere Fachschule oder höhere Fachprüfung mit eidg. Fachausweis/Diplom).

Englischkenntnisse werden vorausgesetzt, weil im Studiengang mit englischer Literatur gearbeitet wird.

Über die definitive Zulassung entscheidet die Studienleitung.

Anmeldungen werden in der Reihenfolge des Eingangs berücksichtigt.