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

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.

 

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.

Mehr zum Studienmodell

Organisatorisches

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
 

 

 

CHF 4'400 (inkl. Lehrmittel, Lernplattform,(Online)-Betreuung, ordentliche Prüfungsgebühren). Hinzu kommt eine Einschreibegebühr von CHF 150.

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