Daten, Retrieval, Modelle. Für Analytiker.
CAS Machine Learning
Lernen Sie maschinelles Lernen, Empfehlungssysteme und Information Retrieval kennen und erfahren, wie Sie den Einsatz dieser Technologien für unterschiedliche Anwendungen beurteilen können.
Das Web umfasst nicht nur Daten in Webseiten und Social Media-Profilen, vielmehr generieren die User einer Website laufend Log-Daten, welche ebenfalls geschäftsrelevante Informationen enthalten. Werden all diese Daten mit geeigneten Hilfsmitteln analysiert, so können daraus wertvolle Informationen als Entscheidungsgrundlagen abgeleitet werden, um die Optimierung des Webauftritts, der Social Media-Strategie und auch der Produktstrategie zu erreichen.
Sie lernen die wichtigsten Technologien aus den Bereichen maschinelles Lernen, Empfehlungssysteme und Information Retrieval kennen und erfahren, wie Sie den Einsatz dieser Technologien für unterschiedliche Anwendungen beurteilen können. Ausserdem werden Ihnen entsprechende Tools zur Lösung konkreter Probleme vermittelt.
Eckdaten
Akadem. Titel: Certificate of Advanced Studies in CAS Machine Learning
Start: Herbstsemester
Dauer: 1 Semester
Studienorte: Zürich, Bern
Studienmodell: Blended Learning
ECTS: 10
Anmeldeschluss: 31. Mai
Kosten: CHF 4'550
Studium
Aufbau
Das CAS umfasst 10 Leistungspunkte nach dem European Credit Transfer System (ECTS-Credits) und behandelt folgende Themen:
Machine Learning
Im Machine Learning werden Algorithmen besprochen, die aus Trainingsdaten Gesetzmässigkeiten erlernen, um Daten zu klassieren. Diese Gesetzmässigkeiten können dann auf neue Daten angewendet werden, ein bekanntes Beispiel dafür sind Spamfilter.
- Methodik der Analyse im Machine Learning
- Klassifikation von Daten (Naive Bayesfilter z.B. Spam-Filter, Entscheidungsbäume und Random Forests, Support Vektor Maschinen, Neuronale Netzwerke)
- Clusteranalyse
- Feature Engineering und Preprocessing von Daten
Recommender Systems
Empfehlungssysteme analysieren und Vergleichen das Verhalten von Kunden und unterbreiten den Kunden dann personalisierte Vorschläge. In vielen Online-Shops werden Empfehlungssysteme eingesetzt, um die User Experience zu verbessern und den Umsatz zu steigern.
- Ähnlichkeitsbasierte Verfahren
- Kollaboratives Filtern
Information Retrieval
Im Information Retrieval geht es darum, Informationen in grossen Datenmengen zu finden, wie das zum Beispiel von Suchmaschinen geleistet wird. Methodisch kann das durch Indexierung geschehen, aber auch durch die Analyse natürlicher Sprachen oder mit semantischen Technologien.
- Indizierung von Daten
- Scoring, Weighting und Ranking
- Natural Language Processing
- Semantische Technologien
- Open Data
Im CAS wird eine Semesterarbeit geschrieben, vorzugsweise zu einem Thema aus Ihrem beruflichen Umfeld.
Studienmodell
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-Regionalzentrum in Zürich oder Bern. Teils wird der Face-to-Face-Unterricht durch digitale Methodik (z.B. Videokonferenz) vermittelt.
Organisatorisches
Termine
Das CAS Machine Learning ist Teil des Weiterbildungsmasters MAS Web for Business, des MAS Data Science und des Diploma of Advanced Studies (DAS) Data Science. Das CAS steht Teilnehmenden auch losgelöst vom MAS offen.
- Start: Herbstsemester
- Dauer CAS: 1 Semester
- Anmeldeschluss: 31. Mai (mit Studienplatzgarantie) spätere Anmeldungen je nach verfügbaren Studienplätzen möglich.
Termine Bern
22.8.20
19.9.20
17.10.20
14.11.20
12.12.20
Termine Zürich
15.8.20
12.9.20
10.10.20
7.11.20
5.12.20
Kosten
CHF 4'400 (inkl. Lehrmittel, Lernplattform,(Online)-Betreuung, ordentliche Prüfungsgebühren). Hinzu kommt eine Einschreibegebühr von CHF 150.
Zulassung
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
- Inhaber eines eidgenössischen Fachausweises oder eines eidgenössischen Diploms
Über die Zulassung von Personen, die die genannten Anforderungen zum MAS bzw. zu einem CAS nicht erfüllen, jedoch über mehrjährige, relevante Berufserfahrung verfügen, entscheidet die Fernfachhochschule Schweiz «sur dossier».
Kontakt
Markus Geuss
Studiengangsleiter
Telefon +41 27 510 38 44
