Einführung
Mithilfe künstlicher Intelligenz können aus Daten Kenntnisse extrahiert und Entscheidungen automatisch oder halbautomatisch getroffen werden. Zu seinen Anwendungen gehören beispielsweise die Erkennung von Objekten in Bildern, Umsatzprognosen, die Empfehlung von Büchern/Filmen, die denen ähneln, die uns bereits gefallen haben, die Durchführung automatischer Finanzverhandlungen usw.
Ziele
Im Vordergrund der Ausbildung steht die Entwicklung der Fähigkeit, Algorithmen von Data Science/Artificial Intelligence zu implementieren, ihre Operationalität innerhalb des Unternehmens herzustellen und so auch große Datenmengen (Big Data) effizient zu analysieren.
Neben Statistik- und IT-Kenntnissen ist auch der Erwerb von Kommunikations- und Ethikkompetenzen wichtig, die das berufliche Profil des am Ende der Studienzeit angekommenen Studenten vervollständigen.
In allen Kursen wird dem aktiven Lernprozess durch praktische Übungen und Workshops sowie der Arbeit für Projekte Vorrang eingeräumt. Anhand der Analyse transversaler Fallstudien werden auch Interaktionen zwischen sowohl hintereinander als auch parallel abgehaltenen Kursen begünstigt. Bei Aktivitäten wie Data challenge, Hackathons und Seminaren in Anwendungsschlüsselbereichen werden zahlreiche multidisziplinäre Aktivitäten und Teamarbeiten durchgeführt.
Kompetenzen
Der Absolvent des Studienganges Data Science and Artificial Intelligence ist in der Lage:
-
in den verschiedenen Phasen der Datenanalyse zu arbeiten, einschliesslich: Datenerfassung, Auswahl einer Analysemethode, Implementierung, Bewertung der Ergebnisse, Bewertung ethischer, rechtlicher und datenschutzrechtlicher Aspekte
-
auf maschinellem Lernen basierende Software-Bibliotheken in Produktion zu bringen
-
die Genauigkeit und Skalierbarkeit dieser Bibliotheken zu bewerten und zu optimieren
-
die Ergebnisse auch einem nicht spezialisierten Publikum zu vermitteln
-
automatische und effiziente Systeme für den Umgang mit Big Data zu erstellen
-
sich in ein multidisziplinäres Team einzufügen, beispielsweise als Bindeglied zwischen einem erfahrenen Forscher im Bereich Data Science (in der Regel mit einem Doktortitel) und einem IT-Ingenieur, wenn die vom Unternehmen entwickelten maßgeschneiderten Methoden in Produktion gehen müssen
-
professionell und ethisch verantwortungsbewusst zu handeln
-
mit seinem Wissen fortlaufend auf dem neusten Stand zu bleiben
Zulassungsbedingungen
Kandidaten mit einer der folgenden Qualifikationen werden ohne Zulassungsprüfung zugelassen:
-
Berufsmatura und eidgenössische Fähigkeitsbescheinigung in einem Beruf, der dem gewählten Studiengang ähnelt;
-
Eidgenössisches bzw. auf eidgenössischer Ebene anerkannte Matura. Kandidaten mit Gymnasialabschluss können zwischen der Zulassungsmodalität „Praktisches Jahr vor Ausbildungsbeginn“ und „Integriertes praktisches Jahr“ wählen. Weitere Informationen finden Sie im Dokument „Praktisches Jahr für Studenten mit Gymnasialabschluss“. Wichtig: Kandidaten im Besitz der eidgenössischen Matura oder diese im Jahr 2020 absolvieren werden, sind gebeten, während des Online-Registrierungsverfahrens den „APA“-Modus zu wählen (siehe Link „So melden Sie sich an“). In der Folge wird das Sekretariat die Kandidaten kontaktieren, um das Thema des gewählten Studienmodus zu vertiefen;
-
Systemtechniker oder Abschluss einer anderen spezialisierten Höheren Fachschule, die dem gewählten Studiengang verwandt ist;
-
Ein Alter von mehr als 25 Jahren, das eine bedeutende Ausbildung und Erfahrung im Bereich der Fächer, die an Universitäten von Belang sind (Zulassung nach Aktenlage für diejenigen, die keine der genannten Qualifikationen besitzen)
Ein Sprachniveau im Englischen von B1 ist wünschenswert. Vor Beginn des ersten Semesters wird den neuen Studierenden ein Englisch-Intensivkurs angeboten.
Darüber hinaus werden Kandidaten mit nicht eidgenössisch anerkannten Diplomen von einer internen Kommission bewertet.
Berufsperspektiven
Der Absolvent des Studiengangs Data Science and Artificial Intelligence ist in der Lage, Techniken und Methoden der künstlichen Intelligenz, insbesondere des maschinellen Lernens, in Unternehmen einzusetzen, die über große Datenmengen verfügen und Daten verstärkt in ihre Entscheidungsprozesse einbinden möchten. Diese Charakteristiken sind nahezu universell und umfassen den Banken- und Finanzsektor, Versicherungen, öffentliche Einrichtungen, das verarbeitende Gewerbe und den Dienstleistungssektor, den medizinischen/biologischen Sektor, das Marketing, den Rechtssektor, das Wetter, die Verteidigung usw.
weiterführende Informationen zum Angebot
