Entscheidungshilfe: Die ETH-Weiterbildungsprogramme in Data Science, Machine Learning und KI im Überblick
Erhalten Sie einen schnellen Überblick über unsere Weiterbildungsangebote in Data Science, Machine Learning und künstlicher Intelligenz. Der Vegleich zeigt die wichtigsten Programmunterschiede auf und unterstützt Sie dabei, die passende Weiterbildung zu finden.
Haben Sie vor, sich im Bereich Data Science, Machine Learning oder künstliche Intelligenz weiterzubilden – sind aber noch unsicher, welches Programm am besten zu Ihnen passt?
Die School for Continuing Education (SCE) hat für Sie einen Überblick erstellt. Hier finden Sie auf einen Blick die wichtigsten Merkmale unserer Weiterbildungsprogramme in diesen Fachbereichen. Damit Sie sich noch besser orientieren können.
Die Übersicht können Sie auch als Download PDF (PDF, 135 KB) herunterladen.
CAS ETH in AI, Data and Machine Learning
- Technisches Programm, das Grundlagen in KI/ML für Managemententscheidungen und die Zusammenarbeit zwischen Business und IT vermittelt;
- Behandelt Programmierung, Informationen, Daten & Computer, Data Science & Machine Learning sowie KI & IT in der Industrie;
- Teil des MAS ETH AI & Digital Technology.
- Bessere datengetriebene Managemententscheidungen treffen, indem Potenziale und Grenzen von Daten, Analytik und ML/AI-Modellen verstanden werden.
- Effektiv mit IT-/Datenteams zusammenarbeiten und Geschäftsziele mit technischen Anforderungen verbinden.
- Zentrale DS/ML‑Konzepte (Programmierung, Datenverarbeitung, Modellgrundlagen) anwenden, um Use Cases und Risiken in industriellen Kontexten zu beurteilen.
CAS ETH in Applied Machine Learning and Information Processing
- Technisches Programm, das Führungskräfte befähigt, Digitalisierungsstrategien voranzutreiben;
- beinhaltet Ethik in ML und Digitalisierung;
- behandelt Programmierung, Data‑Science‑Grundlagen, ML, Computer Vision, Reinforcement Learning sowie Ethik in ML und Digitalisierung;
- Teil des MAS ETH in Applied Technology.
- ML‑Workflows (von Python‑Grundlagen bis zu Computer Vision und Reinforcement Learning) für reale Use Cases verstehen und implementieren.
- Digitalisierungsinitiativen sicherer führen, basierend auf aktuellen Erkenntnissen zu ML/AI‑Technologien und deren Implikationen.
- Ethische und kommunikative Aspekte in AI‑Projekten adressieren und informierte Entscheidungen sowie Stakeholder‑Alignment ermöglichen.
CAS ETH in Machine Learning in Finance and Insurance
- Technisches Programm mit Fokus auf die Details von Machine Learning und dessen Anwendung und Wertbeitrag in der Finanz- und Versicherungsindustrie;
- Behandelt ML‑Grundlagen, industrienahe Anwendungen, verantwortungsvollen Einsatz von ML/AI sowie den Innovationsprozess im Fintech‑Umfeld.
- Verantwortungsvolle ML‑Lösungen für Finanz/Versicherung entwickeln, Modellgrundlagen und Systemlandschaft verstehen.
- Geschäftsherausforderungen in ML‑Use‑Cases übersetzen und Prototypen im Rahmen eines Innovationsprojekts entwickeln.
- AI/ML‑Risiken und ethische Aspekte in regulierten Finanzdienstleistungen beurteilen und Ergebnisse gegenüber Führungskräften kommunizieren.
DAS ETH in Data Science
- Vollständiges Data‑Science‑Curriculum mit ML‑Grundlagen, Algorithmen, Statistik, Big‑Data‑Systemen sowie Hardware, Elektronik, Clustern und Netzwerken;
- Modularer Aufbau mit Grundlagen (≥6 ECTS), sechs Spezialisierungstracks (≥12 ECTS) und einem Capstone‑Projekt (8 ECTS).
- Den gesamten Data‑Science‑Stack beherrschen – von Datenmanagement und Big‑Data‑Systemen bis zu Algorithmen, Statistik und Machine Learning.
- Einen Spezialisierungstrack wählen und ein Capstone‑Projekt mit modernen Methoden an realen Datensätzen durchführen.
- Technische Tiefe mit gesellschaftlichen, rechtlichen und ethischen Aspekten datengetriebener Lösungen verbinden.
CAS/DAS ETH in Applied Statistical Data Science
- Vertiefung statistischer und datenanalytischer Methoden sowie deren praktische Anwendung in R;
- Umfasst auch Machine‑Learning‑Methoden;
- Modularer Aufbau: das CAS deckt Grundlagen ab, das DAS bietet wählbare Vertiefungsmodule;
- Pflichtanteile im DAS: Praxisworkshop (1 ECTS) und Thesis (2 ECTS).
- Findet immer montags statt.
- Statistische Methoden und moderne ML‑Techniken rigoros auf reale Daten anwenden (R).
- Gezielte Vertiefungsmodule (DAS) wählen und Workshop/Thesis absolvieren, um domänenrelevante analytische Expertise zu demonstrieren.
- Statistisch fundierte Resultate kommunizieren und faktenbasierte Entscheidungen in Forschung, Entwicklung und Beratung unterstützen.
Detaillierte Informationen zu jedem Programm finden Sie auf der jeweiligen Programmwebseite:
Wir möchten unsere Angebote kontinuierlich verbessern. Wie hilfreich ist diese Übersicht für Sie? Teilen Sie uns gerne Ihr mit.