Modul Künstliche Intelligenz

Hochschule für Architektur, Bau und Geomatik

Sie möchten verstehen, wie künstliche Intelligenz, Spatial Data Science und Spatial Statistics die Arbeit mit räumlichen Daten verändern? In diesem Modul erhalten Sie praxisnahe Einblicke, wie Sie moderne KI-Methoden anwenden, Data-Science-Projekte aufsetzen und räumliche Analysen kompetent durchführen. Sie kombinieren technisches Know-how mit analytischem Denken – und bringen Ihre Projekte mit zukunftsorientierten Werkzeugen gezielt weiter.

Steckbrief

Abschluss: Weiterbildungsbestätigung
Lernsetting: Präsenz
Nächster Start: 1.10.2026
Dauer: 2 x 2 Tage. Das genaue Startdatum wird noch bekannt gegeben.
Durchführungsort(e): FHNW Campus Olten
Preis: CHF 2 100.-

Auf einen Blick

Praxisnahe Einführung in KI und Machine Learning: Sie lernen, wie Sie KI-Modelle mit Tools wie Google Colab selbstständig aufbauen und anwenden.‍
Kompetenzen in Spatial Data Science: Sie arbeiten mit räumlich-zeitlichen Daten in GIS-Systemen und erstellen reproduzierbare Analysen.‍
Vertiefung in Spatial Statistics: Sie erkennen räumliche Autokorrelationen und modellieren deren Einflüsse korrekt – für verlässliche Resultate.

Ziele und Nutzen

Sie eignen sich fundiertes Wissen zu KI, Data Science und räumlicher Statistik an und setzen dieses gezielt in raumbezogenen Projekten ein. Mit praxisorientierten Übungen stärken Sie Ihre Fähigkeiten in Analyse, Modellierung und Visualisierung – eine wertvolle Kompetenz für datengetriebene Entscheidungen in Berufsfeldern mit räumlichem Bezug.

Aufbau und Inhalte

Inhaltsübersicht

Kursdaten siehe Programmbeschreibung CAS Spatial Data Analytics.

Spatial Data Science

Explorative räumliche Datenanalysen
Best Practices und Reproduzierbarkeit
Möglichkeiten und Herausforderungen Echtzeitdaten

Spatial Statistics

Räumliche Autokorrelation und das erste Gesetz der Geografie
Räumliche Regression und Interpolation

Machine Learning I

Einführung in Machine Learning und Deep Learning
Anwendungsbeispiele in der Geomatik, mit Workshop

Machine Learning II

Vertiefung einzelner Aspekte des Machine Learning (z.B. Trainingsstrategien, Deep Learning Architekturen)
Anwendungsbeispiele in der Geomatik, mit Workshop Teil II

Programmänderungen sind vorbehalten.

Organisatorisches

Abschluss

Das Modul kann als Weiterbildungskurs besucht werden. Als Abschluss wird eine Weiterbildungsbestätigung ohne ECTS-Punkte ausgestellt.

Anrechenbarkeit

Das Modul kann an den CAS Spatial Data Analytics angerechnet werden.

Diese Weiterbildung wird als Fortbildung für Ingenieur-Geometer*innen anerkannt und von der Kommission für Ingenieur-Geometer*innen ausdrücklich empfohlen.