CAS ETH in Data and Machine Learning  

Module

Introduction to Programming – Dr. Lukas Fässler & Dr. Markus Dahinden

Dieser Kurs bietet eine praktische Einführung in einige grundlegende Konzepte und Techniken der Informationsverarbeitung und deren praktische Anwendung. Die verwendeten Programmiersprachen sind Python und SQL.

Die Teilnehmenden lernen, mathematische Modelle für reale Probleme zu entwickeln und diese in kleinen Projekten zu lösen. Folgende Programmierkonzepte werden behandelt: Variablen, Datentypen, Kontrollstrukturen, sequentielle Datentypen, Funktionen und die Verwaltung von Daten mit relationalen Datenbanken.

Die Teilnehmenden entwickeln ihre Programmierkenntnisse durch projektbasierte Arbeit, Online-Tutorials und individuelle Unterstützung. Teilnehmenden, die bereits einen gleichwertigen Programmierkurs in einem anderen CAS absolviert haben, erhalten die Möglichkeit, an fortgeschritteneren Programmieraufgaben zu arbeiten.

Information, Data and Computers – Prof. Bernd Gärtner

Dieser Kurs bietet eine Einführung in Informatikkonzepte, die für die spätere Arbeit im CAS- und MAS-Programm grundlegend sind.

Wir besprechen, wie Informationen als Daten verwaltet werden und wie wir Computer nutzen, um Daten zu verarbeiten und neue Erkenntnisse zu gewinnen. Konkrete Fragen, die wir beantworten werden, sind: Was sind Daten und wie stellen sie Informationen dar? Was ist ein Computer und wie funktioniert er? Was ist ein Computerprogramm? Was ist eine Programmiersprache? Was ist ein Algorithmus? Welche Rolle spielt KI in der Computerprogrammierung? Was für Computersysteme haben wir heute und warum? Was ist Data Science? Dadurch werden wir ein grundlegendes Verständnis dafür aufbauen, wie Computer- und Datenwissenschaft die heutige Informationsgesellschaft ermöglichen.

Data Science and Machine Learning – Dr. Andreas Streich & Dr. Marcel Lüthi

Dieser Kurs bietet eine Ausbildung in den Bereichen Datenwissenschaft und maschinelles Lernen. Der Kurs richtet sich an Manager:innen und Führungskräfte, die den typischen Arbeitsablauf, die grundlegenden Techniken und die wichtigsten Herausforderungen der Datenwissenschaft und des maschinellen Lernens verstehen wollen, um eine erfolgreiche Implementierung voranzutreiben.

Wir werden folgende Themen behandeln:

• Die komplette Datenverarbeitungspipeline vom ersten Datenverständnis und der Datenbereinigung über die Visualisierung bis hin zur Ableitung zuverlässiger, handlungsorientierter Erkenntnisse.
• Verwendung explorativer Datenanalyse zur Entwicklung von Hypothesen.
• Statistische Massnahmen und Auswertung von Hypothesen.
  
• Grundlagen des maschinellen Lernens: Die klassischen Aufgaben des automatischen Lernens aus Daten und gängige Lösungsansätze wie z.B. Entscheidungsbäume und neuronale Netze.
• Modellbewertung und -auswahl, z. B. durch Kreuzvalidierung.
• Grundlagen des Deep Learning als Treiber zum Verständnis der transformativen Natur neuronaler Netze.
• Herausforderungen und Überlegungen: Mögliche Fallstricke, Bedrohungen und ethische Überlegungen.

AI and IT in Industry – Dr. Marc Brandis

Dieses Integrationsmodul verknüpft technisches Technologieverständnis mit Geschäftsstrategie anhand einer Reihe von Fallstudien aus der Praxis. Die Teilnehmenden werden untersuchen, wie neue Informationstechnologien wie maschinelles Lernen und KI verschiedene Aspekte eines Unternehmens verändern, und lernen, wie sie spezifische Risiken, Kosten und Vorteile solcher Technologien bewerten können. Das Modul beleuchtet Erfolgsfaktoren und häufige Fallstricke bei der Implementierung neuer Technologien und entsprechender geschäftlicher Veränderungen und geht insbesondere auf die Kommunikation zwischen technischen Experten und der Unternehmensführung ein. Die untersuchten Fälle sollen sich derzeit auf künstliche Intelligenz, IoT einschließlich Edge- und Cloud-Computing, Blockchain- und Distributed-Ledger-Technologien sowie Cybersicherheits- und Datenschutzvorschriften konzentrieren (Änderungen vorbehalten).