CAS AI Engineering

Lernen Sie in dieser topaktuellen Weiterbildung, wie Sie eigene datensichere Large Language Model (LLM) Apps für Ihr Unternehmen entwickeln.

 

 

Das Certificate of Advanced Studies (CAS) in AI Engineering ist speziell für Informatiker, Software Engineers oder Data Scientists konzipiert, die ihre Expertise in den neuesten Technologien der angewandten LLMs vertiefen möchten.

Sie wollen wissen, wie sie mit Retrieval Augmented Generation (RAG) beliebige Datenquellen mit einem Large Language Model verknüpfen? Sie wollen die neusten Bibliotheken mit Open Source LLMs ansprechen, intelligente Systeme bauen und gleichzeitig die notwendigen theoretischen Grundlagen kennenlernen? Dann ist dieses neue CAS das Richtige für Sie.

Das CAS-Programm zielt darauf ab, den Teilnehmenden nicht nur aktuelle Kenntnisse und Fähigkeiten zu vermitteln, sondern sie auch zur Entwicklung innovativer Lösungen in der Welt der künstlichen Intelligenz zu befähigen. Es richtet sich an Software Engineers oder Data Scientists, die an der Schnittstelle von Theorie und praktischer Anwendung arbeiten möchten und bereit sind, die Herausforderungen moderner Technologien zu meistern. 

In Teil 1 wird auf die theoretischen Grundlagen neuronaler Netze, generativer KI und Transformer-Netze eingegangen und in Teil 2 stehen die zugrundeliegenden Tools wie Programmiersprachen, Embeddings, Vektor-Datenbanken, Ranker und Retriever im Zentrum. Schliesslich konzentrieren wir uns in Teil 3 auf die Implementierung einer konkreten Anwendung.

PDF herunterladen

Eckdaten

Akadem. Titel: CAS in AI Engineering

Start: Februar / September

Dauer: 1 Semester

Studienorte: Zürich, Bern

Studienmodell: Blended Learning

ECTS: 10

Anmeldeschluss: 30. Juni und 15. Dezember (spätere Anmeldungen nach Verfügbarkeit)

Kosten: CHF 5'700.–

Studium

Teil 1: Theoretische Grundlagen

Dieser Teil des Programms legt das theoretische Fundament, das es den Teilnehmern ermöglicht, die Prinzipien und Mechanismen moderner generativer KI-Systeme zu verstehen. Eine Einführung in neuronale Netzwerke, Deep Learning, GAN, GPT und Transformer-Netzwerken wird ergänzt durch eine Analyse von Positional Encoding und Self-Attention. Darüber hinaus wird auf das Training von GPT-Modellen eingegangen, einschliesslich der Methoden für Pretraining und Finetuning. Zusätzlich werden einige grundlegende Konzepte des Prompt-Engineering behandelt; eine wichtige Grundlage für die Anwendung der RAG-Technik. 


Teil 2: Werkzeuge und Techniken

In diesem Teil des Kurses werden die grundlegenden Werkzeuge behandelt, angefangen von Python, Numpy und Pandas als zugrundeliegende Programmierwerkzeuge über den praktischen Einsatz von Vektordatenbanken, Embeddings und Werkzeugen wie Elasticsearch, FAISS und es werden spezialisierte Tools wie Langchain und Pinecone vorgestellt. Die Erzeugung und Verwendung von Vektor-Embeddings sowie die Anwendung und Optimierung von Nearest-Neighbor-Algorithmen und semantische Suche werden im Kontext von RAG-Systemen tiefgehend behandelt. Zusätzlich wird auf die Qualitätsbewertung von Modellen eingegangen.
 

Teil 3: Praktische Implementierung

Der dritte Teil des Programms konzentriert sich auf die Anwendung der erlernten Theorien und Techniken durch die Entwicklung eigener RAG-basierter Anwendungen. Die Teilnehmenden beginnen mit der Implementierung einfacher Apps und erarbeiten sich durch die Analyse von Fallstudien ein Verständnis für komplexere Systeme. Dieser praktische Ansatz fördert das tiefe Verständnis der Studierenden für den gesamten Entwicklungsprozess von der Auswahl geeigneter Embeddings bis hin zum Deployment optimierter RAG-Anwendungen. 

Als einzige Fachhochschule der Schweiz bietet die FFHS alle Studiengänge im Blended Learning-Modell an. Diese innovative Ausbildungsform kombiniert die Vorteile des E-Learning mit jenen des traditionellen Unterrichts – für grösste zeitliche Flexibilität. 

Das Studium an der FFHS besteht aus: 

  • 80% Selbststudium unterstützt durch unsere Online-Lernplattform 
  • 20% Face-to-Face-Unterricht im FFHS-Campus in Zürich oder Bern

Mehr zum Studienmodell 

Organisatorisches

  • Start: Februar (Frühlingssemester) / September (Herbstsemester)
  • Dauer: 1 Semester
  • Anmeldeschluss: 30. Juni und 15. Dezember (spätere Anmeldungen nach Verfügbarkeit)
  • Studienorte: Zürich, Bern
  • Berufliches Umfeld: 80%-100% Berufstätigkeit empfohlen
  • Termine: Gerne senden wir Ihnen die genauen Termine per Mail. Bitte melden Sie sich beim Studiengangsleiter.

CHF 5’500.– (inkl. Online-Betreuung, Lernplattform, Zugang zur digitalen Bibliothek und ordentliche Prüfungsgebühren). 

Hinzu kommt eine Anmeldegebühr von CHF 200.–.

Folgende Personen werden zu den CAS zugelassen, sofern sie über mehrjährige qualifizierte Berufspraxis verfügen:

  • Absolventen von Hochschulen (Universität, ETH, FH, PH)
  • Absolventen einer höheren Fachschule (HF)
  • Inhaber eines eidgenössischen Fachausweises oder eines eidgenössischen Diploms

Über die Zulassung von Personen, die die genannten Anforderungen zum CAS nicht erfüllen, jedoch über mehrjährige, relevante Berufserfahrung verfügen, entscheidet die Fernfachhochschule Schweiz «sur dossier».