Das Thema Künstliche Intelligenz (KI) ist derzeit allgegenwärtig und wird sowohl in den Medien als auch in der Fachwelt intensiv diskutiert. Insbesondere im Bereich der räumlichen Datenanalyse zeigt sich, welches Potenzial KI für die Verarbeitung und Auswertung von Geodaten bietet. Die Integration von KI in Geoinformationssysteme eröffnet neue Möglichkeiten für fundierte Entscheidungen und steigert die Effizienz in vielfältigen Anwendungsfeldern, wie im Bereich der Nachhaltigkeit oder der Stadtplanung.
Prof. Dr. Denis Jordan und Adrian Meyer, Dozierende im CAS Spatial Data Analytics, vermitteln in ihren Lektionen die Grundlagen von Machine Learning und Deep Learning und präsentieren moderne Anwendungsbeispiele aus der Geomatik. Wir haben ihnen einige Fragen gestellt:
Was vermittelt ihr unseren Teilnehmenden im CAS Spatial Data Analytics?
Die Teilnehmenden lernen die Grundlagen des maschinellen Lernens und erhalten eine Einführung in einfache bis hin zu modernen Methoden der Deep Neural Networks (DNN). Diese Techniken werden gezielt auf Geodaten angewendet, wie beispielsweise bei der Landnutzungs- und Landbedeckungsstatistik sowie der Segmentierung georeferenzierter Daten. Zudem führen die Teilnehmenden ein eigenes Projekt durch, um ihre Kenntnisse praktisch anzuwenden.
Warum sind die Themen eurer Lehreinheiten wichtig und besonders aktuell?
Maschinelles Lernen, insbesondere mit Hilfe von DNNs, weist ein hohes Nutzungspotenzial zur Analyse und Interpretation grosser Datenmengen auf. Parallel zum ständigen Zuwachs an verfügbaren Geodaten, wie etwa durch Satellitenbilder oder auch durch Drohnenaufnahmen und der Erfassung aus mobilen Geräten, werden die Vorteile dieser Methoden zunehmend erkennbar. So lassen sich beispielsweise in Bereichen wie Umweltüberwachung, Stadtplanung und Ressourcenmanagement automatisch durchgeführte Bildklassifizierungen und -segmentierungen einbinden und für neue Anwendungen nutzen.
Wie bringen diese Kenntnisse unsere Absolvent*innen beruflich weiter?
Das KI-Modul eröffnet den Absolvent*innen einen Zugang zu den Grundlagen und auch zu vielfältigen Anwendungsbereichen der KI in Sektoren wie Umweltforschung, Landmanagement, Landwirtschaft und vieles mehr. Durch das eigene Projekt im Rahmen des Kurses erwerben sie praktische Fähigkeiten und Erfahrung, die sie direkt in ihren beruflichen Alltag integrieren können.
Über Prof. Dr. Denis Jordan
Prof. Dr. Denis Jordan ist seit 2017 Professor für Angewandte Mathematik und Statistik am Institut Geomatik der FHNW. Als Dozent im CAS Spatial Data Analytics behandelt er in seinen Lektionen unter anderem die Grundlagen von Machine Learning und Deep Learning und zeigt auch die Anwendungsbeispiele in der Geomatik auf.
Über Adrian Meyer
Adrian Meyer ist seit 2017 wissenschaftlicher Mitarbeiter am Institut Geomatik. Im CAS Spatial Data Analytics führt er als Dozent praxisnah, anhand von Code-Beispielen, in moderne Machine Learning Anwendungen ein. Dabei vermittelt er datengetriebene Computer Vision Methoden anhand innovativer Automatisierungsprojekte mit Industriepartnern aus Infrastruktur, Transport und Bauwesen.
CAS Spatial Data Analytics
Nutze die Chance, deine Datenkompetenz mit dem CAS Spatial Data Analytics auf das nächste Level zu heben! Die Weiterbildung bietet nicht nur die Möglichkeit, theoretisches Wissen zu erwerben, sondern auch die Anwendung von Geodaten in der eigenen beruflichen Praxis zu erlernen. Sie befähigt die Teilnehmenden, den wachsenden Anforderungen an die Integration von Geodaten in Unternehmensprozesse gerecht zu werden und dabei die digitale Zukunft ihrer Branche aktiv mitzugestalten.
Wissenswertes
Keine Ergebnisse gefunden.