CAS Big Data: Engineering und Analytics
Lernen Sie, wie Sie Big Data in Ihrem Unternehmen einsetzen können, welche Analysemethoden es gibt und wie Sie bei der Planung und der Umsetzung von Big-Data-Projekten vorgehen.
Zu den aktuellen Herausforderungen in der IT gehört das Management und die Analytik von Big Data. Schlagen auch Sie Profit aus Ihren digitalen Daten und erlernen Sie die nötigen Technologien und Architekturen für das Engineering sowie die Analytik grosser Datenmengen. Dieser Lehrgang zeigt Ihnen die Einsatzmöglichkeiten und die «State-of-the-Art»-Methoden des Data Engineerings bis zu den Analysemethoden auf, um Sie für die Planung, Umsetzung und den Betrieb Ihres nächsten Big-Data-Projektes vorzubereiten.
In diesem CAS lernen Sie das Data Engineering und die Data Analytics grundlegend zu verstehen, sammeln praktische Erfahrungen mit den gängigen Tools, Systemen und Modellen und können die Eignung der einzelnen Systeme für unterschiedliche Anforderungen in Bezug zu Ihrem persönlichen Unternehmensfokus einschätzen.
Eckdaten
Akadem. Titel: Certificate of Advanced Studies in Big Data
Start: Frühlingssemester
Dauer: 1 Semester
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 (ECTS-Credits) und behandelt folgende Themen:
- Theoretische Grundlagen von Datenanalyse-Frameworks und verteilten Systemen
- Erste praktische Erfahrungen mit ausgewählten Open Source Tools, insbesondere aus dem Hadoop-Ökosystem
- Überblick über NoSQL und schemalose Datenbanken
- Abfragesprachen und APIs zur Datenanalyse grosser Datenbestände
- Grundkonzepte der Echtzeitdatenanalyse
- Architekturmuster von Datensystemen und Daten-Pipelines
- Hands-On-Übungen
Im Rahmen einer Semesterarbeit machen Sie erste Schritte mit praktischen Aufgabenstellungen und vertiefen diese Kenntnisse in einer Projektarbeit – das Thema stammt vorzugsweise aus Ihrem beruflichen Umfeld.
Das CAS Big Data ist Teil des Weiterbildungsmasters MAS Data Science und des DAS Data Science und steht Teilnehmenden auch losgelöst vom MAS offen.
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 oder Bern (jeden 2. Samstag im Monat)
Organisatorisches
Termine
- Start: Frühlingssemester
- Dauer CAS: 1 Semester
- Anmeldeschluss: 15. Dezember (mit Studienplatzgarantie) 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 zu den 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
Über die Zulassung von Personen, die die genannten Anforderungen zum MAS bzw. zu einem 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
Aktuell
Einzigartiges B2B-Erlebnis schaffen
Die Bereitstellung eines unvergesslichen Kundenerlebnisses (CX) ist keinesfalls der alleinige…
Variantenbildung für cyber-physische Produkte
Moderne cyberphysische Produkte basieren auf einem Zusammenspiel von realen und digitalen…
Was Data Science und 100-km-Läufe gemeinsam haben
Als Quereinsteigerin ein Studium ausserhalb des eigentlich gelernten Fachbereichs in Angriff zu…
Frauen in Data Science
Obwohl Data Science von der Harvard Business Review zum attraktivsten Arbeitsgebiet des 21.…