Anwendungsorientierte und individuell gestaltbare Weiterbildung in Künstlicher Intelligenz (KI), Artificial Intelligence (AI) und Data Science mit Abschlussarbeit aus dem eigenen Betrieb.
Artificial Intelligence (AI) und Data Science gehören zu den gefragtesten Digital Skills der Zukunft. Führungskräfte aus verschiedenen Branchen bestätigen, dass das Innovationspotenzial in ihren Unternehmen aufgrund von fehlendem Fachwissen in AI und Data Science derzeit nicht genutzt werden kann. Dies zeigt sich auch beim Institut für Data Science der FHNW durch die zunehmende Anzahl an Projektanfragen.
Die Master of Advanced Studies (MAS) Data Science Weiterbildung an der FHNW wird diesem Fachkräftemangel im Bereich AI und Data Science entgegenwirken. Absolventinnen und Absolventen des Weiterbildungslehrgangs «MAS Data Science» können dank ihrem erworbenen Wissen Anwendungsfälle für AI und Data Science identifizieren, Data-Science-Anwendungen umsetzen und produktiv betreiben. Die praktische Anwendung von Künstlicher Intelligenz/Artificial Intelligence und Data Science im Rahmen von Übungen und Projektarbeiten hat im gesamten Weiterbildungslehrgang MAS Data Science einen hohen Stellenwert. Bereits im CAS Data Science sowie in verschiedenen Fachvertiefungsmodulen können die Teilnehmenden an Anwendungsfällen aus dem eigenen Betrieb oder persönlichen Umfeld arbeiten, um den Nutzen der Weiterbildung zu maximieren.
Dieser modular aufgebaute MAS-Weiterbildungslehrgang ermöglicht den Teilnehmenden, sich im weitläufigen Themengebiet AI und Data Science sehr individuell zu vertiefen. Dank eines flexiblen Modells bis auf Modulebene können neue Themen und Technologien schnell ins Weiterbildungsprogramm aufgenommen werden. Dies sorgt nicht nur für ein Weiterbildungsangebot am Puls der Technik, sondern ermöglicht auch ehemaligen Teilnehmenden lebenslanges Lernen, indem sie neue Module einzeln besuchen können.
Aufbau des MAS Data Science (60 ECTS)
MAS Data Science Modulaufbau * Die beiden Weiterbildungslehrgänge «CAS Data Engineering» und «CAS Deep Learning» beinhalten verschiedene Fachvertiefungsmodule und lassen sich vollständig an den MAS Data Science anrechnen.
Melden Sie sich bei der Programmleitung, falls Sie eine individuelle Beratung oder sich mit aktuellen oder ehemaligen Teilnehmenden des Weiterbildungsprogramms MAS Data Science austauschen möchten.
Der MAS Data Science umfasst:
Das CAS Data Science geht in die Breite und vermittelt die Grundlagen in den Bereichen Lineare Algebra, Statistik, Data Wrangling, Data Mining, Data Product Definition & Architektur, Machine Learning, Information Visualization, Einführung in Zeitreihenanalyse, Recommender Systeme und NLP.
Teilnehmende, welche das CAS Data Engineering besuchen und an den MAS Data Science anrechnen wollen, können die MAS Data Science Weiterbildung auch mit dem CAS Data Engineering starten
Im Rahmen der Fachvertiefung müssen Fachvertiefungsmodule im Umfang von mindestens 30 ECTS-Punkten absolviert werden. Folgende Fachvertiefungsmodule im Umfang von 15 ECTS-Punkten wurden als Pflichtmodule definiert, damit alle MAS Data Science Absolvierende über das gleiche Basis-Profil verfügen:
Advanced Machine Learning
Advanced NLP
Explainable AI
Machine Learning in Production
Software-Engineering für Data Scientists*
Zeitreihenanalyse
* Teilnehmende, welche aus der Software-Entwicklung kommen, sind von der Pflicht, das Fachvertiefungsmodul «Software-Engineering für Data Scientists» besuchen zu müssen, befreit und können anstelle ein anders Fachvertiefungsmodul im Umfang von mindestens 2.5 ECTS-Punkten besuchen.
Viele Fachvertiefungsmodule sind in andere CAS-Weiterbildungslehrgänge eingebettet. Deshalb können auch die kompletten Weiterbildungslehrgänge «CAS Data Engineering» (15 ECTS-Punkte) und «CAS Deep Learning» (10 ECTS-Punkte) absolviert und an den MAS Data Science angerechnet werden. In diesem Fall entfällt die Pflicht, dass ein Modul aus der Gruppe «selbständige Fachvertiefung» besucht werden muss. Alle anderen oben aufgelisteten Pflichtmodule müssen aber trotzdem erfolgreich absolviert werden.
Im Rahmen der «Selbständigen Fachvertiefung» eignen sich Teilnehmende selbständig neues Wissen im Bereich Data Science an oder erarbeiten ein individuelles Projekt (begleitet oder unbegleitet). Abgeschlossen werden diese Fachvertiefungsmodule mit einer Präsentation vor einem Fachpublikum. Alle Teilnehmende, welche sich nicht das CAS Data Engineering und CAS Deep Learning an den MAS Data Science anrechnen lassen, müssen mindestens eines der Fachvertiefungsmodule in dieser Gruppe erfolgreich absolvieren.
In der MAS-Diplomarbeit bearbeiten die Teilnehmenden ein eigenständig definiertes Data Science Projekt. Vorzugsweise wird gleich ein Anwendungsfall und Daten aus dem eigenen Betrieb erarbeitet. Ist dies nicht möglich, wird ein Datensatz und Anwendungsfall zur Verfügung gestellt.
Weitere Informationen zum MAS Data Science
Personen mit analytischem Interesse, die sich bereits heute schon mit Datenverwaltung und -auswertung beschäftigen oder neu Aufgaben im Bereich Data Science übernehmen und sich anwendungsorientiertes Expertenwissen mit viel Praxiserfahrung in Python aneignen möchten.
Die Kosten des MAS Data Science belaufen sich abhängig vom Umfang der gewählten Module aus der «Selbständigen Fachvertiefung» auf CHF 25'500 bis CHF 26'900.
Falls lediglich einzelne Fachvertiefungsmodule besucht werden, setzten sich die Kosten zusammen aus:
Ohne weitere selbständige Fachvertiefung: CHF 7’200
Mit weiterer selbständigen Fachvertiefung im Umfang von 3 ECTS-Punkten: CHF 5'800.-
MAS-Thesis: CHF 2'500.-
Falls das CAS Data Engineering und das CAS Deep Learning an den MAS Data Science angerechnet werden*, setzten sich die Kosten zusammen aus:
CAS Data Science: CHF 7'800.-
CAS Data Engineering: CHF 7'800.-
CAS Deep Learning: CHF 5'200.-
Obligatorische Fachvertiefungsmodule: CHF 3'300.-
MAS-Thesis: CHF 2'500.-
*Natürlich ist es auch möglich, sich lediglich einen weiteren CAS-Weiterbildungslehrgang an den MAS Data Science anrechnen zu lassen und die weiteren benötigten ECTS-Punkte im Rahmen individuell gewählter Fachvertiefungsmodule zu sammeln.
Von Anfang (erster Unterrichtstag des MAS Data Science) bis zum Ende (Abgabe der MAS-Thesis) dürfen maximal 4 Jahre verstreichen.* Gestartet wird mit dem CAS Data Science, welcher im 1. Semester stattfindet (oder dem CAS Data Engineering, wenn dieser an den MAS Data Science angerechnet wird). Im Anschluss sind Sie frei in der Wahl, welche Module und CAS-Weiterbildungslehrgänge wann besucht werden. Es ist möglich, den kompletten MAS Data Science in 4 Semestern zu absolvieren:
1. Semester: CAS Data Science
2. und 3. Semester: Fachvertiefungsmodule / weitere CAS-Weiterbildungslehrgänge
4. Semester: MAS-Thesis
Um sich vertieft mit der Materie auseinandersetzen zu können, kann es jedoch auch sinnvoll sein, die Weiterbildung in 5 Semestern zu absolvieren, wobei im 2. bis 4. Semester nur Fachvertiefungen besucht werden und Sie sich im 5. Semester dann ausschliesslich der MAS-Thesis widmen.
*Falls Sie Ihren CAS Data Science-Abschluss vor 2020 absolviert haben, melden Sie sich bitte direkt bei der Programmleitung.
Arbeit am eigenen Notebook (ca. 40-50% der Kurszeit). Alle Teilnehmenden müssen einen eigenen Laptop mitbringen, auf welchem die für den Kurs benötigten Tools installiert werden können. Die Teilnehmenden werden angewiesen, im Vorfeld des Kurses die Werkzeuge für den Unterricht zu installieren. Die benötigten Tools/Software und detaillierte Anweisungen zur Installation werden zur Verfügung gestellt.
Die Aufnahmebedingungen umfassen:
Personen mit analytischem Interesse, die sich bereits heute schon mit Datenverwaltung und -auswertung beschäftigen oder neu Data Science in Python umsetzen möchten.
Abschluss einer Fachhochschule, Universität, technischen Hochschule oder eine Berufsausbildung mit Praxiserfahrung. Studierende, die über keinen Hochschulabschluss verfügen, können (sur Dossier) zugelassen werden, wenn sich die Befähigung zur Teilnahme aus einem anderen Nachweis ergibt.
Ungefähr 80% der Dozierenden dieses Weiterbildungslehrgangs kommen aus der Privatwirtschaft; die restlichen aus der angewandten Forschung. Dies hat den grossen Vorteil, dass die Dozierenden nicht einfach nur den Inhalt aus Lehrbüchern vermitteln, sondern zusätzlich aufgrund ihrer langjährigen Erfahrungen in der Lage sind, begründet zu erklären, welche Konzepte und Technologien sich in verschiedenen Anwendungsfällen der Praxis bewährt haben.
Häufig gestellte Fragen
Ja, dies ändert nichts an der Zulassung. Sie müssen in der Summe (CAS Data Science und Fachvertiefung) auf 45 ECTS kommen. Somit müssen Sie lediglich mehr Fachvertiefungsmodule besuchen.
Die Anrechnung bereits absolvierter Weiterbildungen im Data Science Bereich ist möglich. Melden Sie sich für weitere Abklärungen bei der Programmleitung.
