CAS Agentic AI & Deep Learning, Hochschule für Informatik FHNW

Deep Learning ist eine Schlüsseltechnologie moderner AI-Systeme. In diesem praxisorientierten CAS erarbeitest du dir ein fundiertes Verständnis der wichtigsten Architekturen neuronaler Netze. Du lernst, wie du solche Modelle entweder von Grund auf trainierst oder bestehende Modelle gezielt einsetzt und anpasst.

Der Fokus liegt auf der praktischen Umsetzung moderner AI-Systeme mit Python und aktuellen Frameworks – von Deep-Learning-Modellen über multimodale Anwendungen bis hin zuagentischenAI-Systemen.

Neben dem methodischen Grundverständnis stehen zentrale Anwendungsgebiete von Deep Learning im Zentrum:

• Computer Vision (z.B. Objekterkennung, semantische Segmentierung)

• Natural Language Processing (z.B. Textklassifikation, LLMs, RAG, ALP)

• AIAgentsundagentischeWorkflows konzipieren und entwickeln

• Generative AI (z.B. Text- und Bildgenerierung,Prompting-Strategien)

• Multimodale AI-Systeme für Text, Bild und Sprache entwickeln

• Moderne AI-Anwendungen hinsichtlich Qualität, Robustheit undExplainabilityevaluieren

Die Umsetzung der AI-Anwendungen erfolgt praxisnah mit Python und aktuellen Technologien wiePyTorch,LangChain/LangGraph, OpenAI APIs, Vektordatenbanken und lokalen LLMs.

Zielpublikum

Du bist technisch interessiert und willst Deep-Learning-Anwendungen in Python umsetzen.

Im CAS Deep Learning steht die praxisnahe Vermittlung im Zentrum. Die theoretischen Inhalte werden durch «Hands-on»-Übungen im Unterricht sowie durch Projektarbeiten vertieft. Im Rahmen dieser Projektarbeiten können eigene Anwendungsfälle aus dem beruflichen oder persönlichen Umfeld bearbeitet werden.

Das Studium gliedert sich in fünf Module, von denen einige auch als einzelnes Fachvertiefungsmodul besucht werden können.

Der Grossteil der Dozierenden dieses Weiterbildungsprogramms kommen aus der Privatwirtschaft; die restlichen aus der angewandten Forschung. Das hat den grossen Vorteil, dass die Dozierenden nicht einfach nur den Inhalt aus Lehrbüchern vermitteln. Wegen ihrer langjährigen Erfahrungen können sie dir erklären, welche Konzepte und Technologien sich in verschiedenen Anwendungsfällen der Praxis bewährt haben.

Die Aufnahmebedingungen umfassen:

• Du hast analytisches Interesse und beschäftigst dich bereits mit Datenverwaltung und -auswertung oder möchtest neu Deep Learning in Python umsetzen.
• Du hast einen Abschluss einer Fachhochschule, Universität, technischen Hochschule oder eine Berufsausbildung mit Praxiserfahrung. Personen, die über keinen Hochschulabschluss verfügen, können (sur Dossier) zugelassen werden, wenn sich die Befähigung zur Teilnahme aus einem anderen Nachweis ergibt.

Maximale Teilnehmendenzahl: 16 Personen pro Klasse