Data Science und Data Engineering

Unternehmen über verschiedene Branchen hinweg haben erkannt, dass aus vorhandenen Daten mit Hilfe von Data Science betriebsrelevante Informationen zur Verbesserung von Dienstleistungen, Produkten und Prozessen gewonnen werden können. Die beiden Disziplinen «Data Science» und «Data Engineering» gehen dabei Hand-in-Hand.

Data Science befasst sich damit, aus Daten betriebsrelevante Informationen auszulesen und Vorhersagen mit Hilfe von Machine Learning zu tätigen. Die Anwendungsfälle sind sehr vielseitig. Die Vorhersage zukünftiger Verkaufszahlen, automatische Produktempfehlungen in Online-Shops, automatische Extraktion von Informationen aus Dokumenten oder die Erkennung von relevanten Informationen in Audio, Bild und Video sind nur ein paar Beispiele. Wenn klassische Methoden des Machine Learnings aufgrund der Komplexität und Grösse der Datensätze an seine Grenzen stossen, bedarf es Methoden aus dem Bereich Deep Learning. Insbesondere Anwendungen in der Bildverarbeitung, in der Verarbeitung natürlicher Sprachen und in der Zeitreihenanalyse profitieren von Deep Learning Verfahren.

Bevor die Daten jedoch analysiert werden können, müssen diese mit Hilfe einer performanten und ausfallsicheren Daten-Infrastruktur aus verschiedenen Systemen zusammengeführt und aufbereitet werden. Und nachdem Data Scientists Modelle für Vorhersagen erstellt oder weiterentwickelt haben, müssen diese in die produktive Umgebung eingebunden, validiert und ausfallsicher betrieben werden. Die Planung, Realisierung und der produktive Betrieb von Daten-Pipelines, Datenbanken und Data Science Anwendungen in der Cloud oder On-Prem wie auch die Entwicklung von robustem und wartbarem Programmcode gehört zum Tätigkeitsfeld von Data Engineers. 

In der kompletten Data Science und Data Engineering Weiterbildung steht die praktische Umsetzung im Rahmen von Übungen, Projektarbeiten & Labs im Zentrum. Von den Absolvierenden wird erwartet, dass Sie das Erlernte nicht nur konzeptionell verstanden haben, sondern auch im Betrieb praktisch anwenden können. Vielfach besteht die Möglichkeit, dass Sie bereits im Rahmen der Weiterbildung Anwendungsfälle aus ihrem Betrieb bearbeiten und dabei von den Praxiserfahrung der Dozierenden und anderen Teilnehmenden profitieren können. Die Weiterbildungslehrgänge DAS & MAS Data Science sind zudem individualisierbar, so dass dank der Wahlfreiheit bei Fachvertiefungsmodulen diejenigen belegt werden können, welche Ihnen für Ihr zukünftiges Anwendungs- und Tätigkeitsgebiet den grössten Mehrwert bringen.

Melden Sie sich bei der Programmleitung, falls Sie eine individuelle Beratung oder sich mit aktuellen oder ehemaligen Teilnehmenden der Data Science Weiterbildung austauschen möchten.

Die FHNW bietet ein umfangreiches Weiterbildungsangebot in Data Science und Data Engineering an.

Die nachfolgende Grafik zeigt, wie die verschiedenen Weiterbildungsangebote zusammenhängen:

Viele Fachvertiefungsmodule sind Bestandteil des «CAS Data Engineering»- oder «CAS Deep Learning»-Weiterbildungsprogramms.

Die Abkürzungen «a» und «b» in der Grafik haben folgende Bedeutungen:

a. Fachvertiefungsmodule aus dem CAS Data Engineering sind dem DAS Data Science anrechenbar. Das komplette CAS Data Engineering kann jedoch nicht an den DAS Data Science angerechnet werden, da die beiden CAS-Abschlüsse zusammen den DAS-Data-Product-Engineering-Abschluss ergeben.

b. Das komplette CAS Deep Learning oder einzelne Fachvertiefungsmodule daraus können dem DAS Data Science angerechnet werden. Dem MAS Data Science können das CAS Data Engineering und das CAS Deep Learning komplett oder einzelne Fachvertiefungsmodule daraus angerechnet werden.