Deep Learning, künstliche Intelligenz, Reinforcement Learning. Für erfahrene Data Scientists und Applikationsentwickler.
CAS Advanced Machine Learning
Der CAS Advanced Machine Learning und KI bietet eine fundierte Weiterbildung in fortgeschrittenen KI-Methoden wie Deep Learning, Reinforcement Learning sowie modernen Netzwerkarchitekturen wie Graph Neural Networks und Transformernetzwerke. Der Kurs richtet sich an alle, die KI-Know-how auf dem neuesten Stand praxisnah vertiefen möchten.
Die nächste Generation der künstlichen Intelligenz (KI) revolutioniert Branchen und Geschäftsmodelle. Fortschritte in KI-Methoden wie Deep Learning, Reinforcement Learning und modernen Netzwerkarchitekturen wie Graph Neural Networks und Transformernetzwerken treiben Innovationen in Wissenschaft und Industrie voran. Der schnelle technologische Wandel erfordert hoch spezialisierte Kompetenzen und ein tiefes Verständnis für fortgeschrittene KI-Ansätze.
Das CAS Advanced Machine Learning und KI bietet eine praxisnahe und fundierte Weiterbildung, die Experten und Expertinnen auf den neuesten Stand der KI-Forschung und -Anwendung bringt. Sie vertiefen Ihr Wissen in modernsten KI-Methoden, erlernen deren Implementierung und analysieren praktische Anwendungsfälle aus verschiedenen Branchen. Abgerundet wird die Weiterbildung durch interaktive Workshops und einen Fokus auf zukunftsweisende Technologien, die den Standard für künstliche Intelligenz definieren. Sie vertiefen Ihr Wissen in modernsten KI-Methoden und wenden es hands-on in einem selbstgewählten Praxisprojekt an.
Eckdaten
Akadem. Titel: CAS Advanced Machine Learning
Start: Februar und August
Dauer: 1 Semester
Studienorte: Zürich
Studienmodell: Blended Learning
ECTS: 10
Anmeldeschluss: 15. Dezember (spätere Anmeldungen nach Verfügbarkeit)
Kosten: CHF 5'700.–
Studium
Aufbau
Das CAS umfasst 10 Leistungspunkte nach dem European Credit Transfer System (ETCS-Credits) und beinhaltet folgende Schwerpunkte:
- Convolutional Networks und Erweiterungen (CNNs, ResNet, DenseNet, Inception-Net)
- Transfer Learning mit CNNs (Transfer Learning, Bildsegmentierung, Object Detection)
- Transformer Networks und ihre Anwendungen (Transformer, Selbstaufmerksamkeit, BERT, GPT, CLIP)
- Vision Transformers (ViT) (Vision Transformers, Bildverarbeitung)
- 3D Deep Learning und Spezialisierte Modelle (3D-Daten, PointNet, Neural Radiance Fields)
- Graph Neural Networks (GNNs) und Anwendungen (Graph Neural Networks, Molekulardesign, Verkehrsnetzwerke)
- Theoretische Grundlagen Reinforcement Learning (Reinforcement Learning, Markov Entscheidungsprozesse, Q-Learning)
- Deep Reinforcement Learning (Deep Q Networks, On- und Off-Policy, Temporal Difference Methoden)
Studienmodell
Als einzige Fachhochschule der Schweiz bietet die FFHS alle Studiengänge im Blended Learning-Modell an. Diese innovative Ausbildungsform kombiniert die Vorteile des E-Learning mit jenen des traditionellen Unterrichts – für grösste zeitliche Flexibilität.
Das Studium an der FFHS besteht aus:
- 80% Selbststudium unterstützt durch unsere Online-Lernplattform
- 20% Face-to-Face-Unterricht im FFHS-Campus in Zürich (jeden 2. Samstag)
Organisatorisches
Termine
- Dauer des Lehrgangs: 1 Semester
- Studienbeginn: Februar (Frühlingssemester) Mitte August (Herbstsemester)
- Anmeldeschluss: 30. Juni (HS) und 15. Dezember (mit Studienplatzgarantie im Herbstsemester und Frühlingssemester) spätere Anmeldungen je nach verfügbaren Studienplätzen möglich.
- Termine: Aktueller Stundenplan
Kosten
CHF 5'500.- (inkl. Online-Betreuung, Lernplattform, Zugang zur digitalen Bibliothek und ordentliche Prüfungsgebühren).
Hinzu kommt eine Einschreibegebühr von CHF 200.-
Zulassung
Folgende Personen werden zum CAS zugelassen, sofern sie über mehrjährige qualifizierte Berufspraxis verfügen:
- Absolventen von Hochschulen (Universität, ETH, FH, PH)
- Absolventen einer höheren Fachschule
- Inhaber eines eidgenössischen Fachausweises oder eines eidgenössischen Diploms
- Das Studienprogramm wird in deutscher Sprache gehalten, jedoch werden Englischkenntnisse zur Literaturrecherche verlangt (B2 oder äquivalent).
Über die Zulassung von Personen, die die genannten Anforderungen zum CAS nicht erfüllen, jedoch über mehrjährige, relevante Berufserfahrung verfügen, entscheidet die Fernfachhochschule Schweiz "sur dossier".
Kontakt
Markus Geuss
Studiengangsleiter
Telefon +41 27 510 38 44
