DAS in Data Science

Das Diploma of Advanced Studies in Data Science (DAS in Data Science) ist ein interdisziplinäres Weiterbildungsangebot auf dem Gebiet der Datenwissenschaften.

Das DAS-Programm in Data Science der ETH Zürich befasst sich mit der Verwaltung, Analyse und Nutzung grosser und komplexer Datenmengen.

Das interdisziplinäre Programm beleuchtet alle für Data Science relevanten Technologien, von Hardware und Elektronik, über Cluster und Netzwerke bis hin zu Big Data Systemen, maschinellem Lernen sowie Algorithmen und Statistik. Die Teilnehmer/innen lernen mit komplexem Datenmanagement (Speicherung, Abfragen, Infrastrukturen, usw.) und Analysemethoden (maschinelles Lernen, Statistik, usw.) umzugehen, damit sie in der Lage sind, Daten vielfältig nutzen zu können.

Mit dem breiten Spektrum der an der ETH betriebenen Forschungs- und Lehrtätigkeit im Bereich Data Science steht den Teilnehmer/innen ein breites Angebot an Lehrveranstaltungen zur Auswahl. Das Programm wird gemeinsam vom Departement Informatik (D-INFK), vom Departement Informationstechnologie und Elektrotechnik (D-ITET) und vom Departement Mathematik (D-MATH) angeboten. Es wird zudem vom Swiss Data Science Center externe Seite (SDSC) unterstützt.

Die Möglichkeiten in Data Science werden die Welt nachhaltig verändern. Daher wird das Programm auch politische, soziale, rechtliche, ethische und datenschutz-relevante Aspekte beinhalten.

Das Zielpublikum für den DAS in Data Science sind Hochschulabsvolent/innen auf Masterstufe in Informatik, Data Science, Mathematik, Statistik, Physik, Maschinen- oder Elektroingenieurwissenschaften (oder verwandte Gebiete) mit Arbeitserfahrung.

Die Teilnehmer/innen lernen State-of-the-Art Methoden und Technologien auf dem Gebiet von Data Science kennen. Absolvent/innen des Programms besitzen theoretische Fachkenntnisse in Data Science und kennen Techniken und Methoden für die praktische Anwendung. 

Der DAS in Data Science umfasst insgesamt 35 bis 45 ECTS verteilt auf eine Einführungsveranstaltung, eine Vertiefungsrichtung,  Wahlveranstaltungen aus einer Download vorgegebenen Liste (PDF, 127 KB) sowie einem Abschlussprojekt. In diesem wird das erworbene Wissen anhand von realen Datenbeständen in der Praxis angewendet. Um die notwendigen Grundlagenkenntnisse zu erlangen, muss die Einführungsveranstaltung im ersten Semester besucht werden.

Einführungsveranstaltung (min. 6 ECTS). Eine der folgenden:

• Introduction to Estimation and Machine Learning (6 ECTS - Herbstsemester)
  
• Introduction to Machine Learning (8 ECTS - Frühjahrssemester)
• Computational Statistics (8 ECTS - Frühjahrssemester)
  

Vertiefungsrichtung (mind. 12 ECTS): Die Vorlesungen müssen alle von einer der folgenden Richtungen sein.

• Hardware for Machine Learning
  
• Image Analysis and Computer Vision
• Neural Information Processing
• Statistics
• Machine Learning and Artificial Intelligence
• Big Data Systems

Abschlussprojekt (8 ECTS)

Das Programm ist als Teilzeitstudium konzipiert und wird sowohl im Frühlings- als auch im Herbstsemester angeboten. Die Regelstudienzeit beträgt 2 Semester und kann um 2 weitere Semester verlängert werden. Kandidat/innen müssen bei der Bewerbung einen Studienplan ausgelegt über maximal 3 Semester beilegen. Ausnahmen bedürfen der Bewilligung und müssen bereits bei der Anmeldung begründet werden.

Gesamtarbeitsaufwand: ca. 1'050 Stunden

Unterrichtssprache: Englisch