CAS Deep Learning

Hochschule für Informatik

Erarbeite dir solide Grundlagen und praxisnahes Know-how im Bereich Deep Learning. Setze Technologien wie Computer Vision, LLMs, RAG und AI Agents ein und mache sie mit Explainable AI transparent und nachvollziehbar.

Steckbrief

Abschluss: CAS
ECTS-Punkte: 15
Nächster Start: 4.9.2026
Dauer: 18 Kurstage
Durchführungssprache: Deutsch
Durchführungsort: FHNW Campus Brugg-Windisch
Preis: CHF 7'800
Dokumente: Terminplan CAS Deep Learning FS26.pdf
Factsheet CAS Deep Learning.pdf
Teilnahmebedingungen_WB.pdf
Weiterbildungsordnung_WB.pdf
Fachvertiefungsmodule HS26.pdf

Ziele und Nutzen

Deep Learning ist eine Schlüsseltechnologie der AI-Entwicklung. 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.

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

Computer Vision (z.B. Objekterkennung, semantische Segmentierung)
Natural Language Processing (z.B. Textklassifikation, LLMs, RAG, ALP)
Generative AI (z.B. Text- und Bildgenerierung, Prompting-Strategien, Agentic AI).

Ergänzend werden Techniken der Explainable AI vermittelt, um die Entscheidungen neuronaler Netze transparent und nachvollziehbar zu machen.

Zielpublikum

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

Inhalt und Aufbau

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 eigne 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.

Grundlagen in Deep Learning

Explainable AI

Computer Vision mit Deep Learning

Advanced Natural Language Processing (NLP)

Deep Reinforced Learning

Dozierende

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.

Voraussetzungen und Zulassung

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