Vertiefung Data Engineering and Industrial AI

Künstliche Intelligenz (KI) spielt überall im digitalen Alltag eine Rolle. Von Social Media Feeds über die Playlist mit den Lieblingssongs bis zu den Wetterprognosen: Nichts kommt ohne ein bisschen KI-Magie aus. Sie macht unser Leben nicht nur smarter, sondern kann auch dabei helfen, die Welt besser zu machen: nachhaltiger, wirtschaftlich effizienter und sozial fairer. 

Die Vertiefung Data Engineering and Industrial AI ist eine ideale Grundlage für alle, die an der Schnittstelle von Technologie und Nachhaltigkeit einen Unterschied machen möchten. Wir bereiten Sie darauf vor, in einer Welt, die zunehmend von Daten und künstlicher Intelligenz geprägt ist, führend, kompetent und innovativ zu handeln.

Unternehmen suchen nach Fachkräften die in der Lage sind, grosse Mengen an Daten zu verarbeiten und damit intelligente Entscheidungen zu treffen. Diese Daten können verwendet werden, um Produkte und Prozesse zu optimieren und effizienter zu gestalten.

Warum Data Engineering und Industrial AI?

  • Sie sind fasziniert von den Möglichkeiten, die KI eröffnet und möchten am Puls des Fortschritts arbeiten
  • Sie möchten die neuen Techologien nicht nur verstehen, sondern auch anwenden und entwickeln können
  • Ihnen gefällt die Aussicht, KI-Know-how in den unterschiedlichsten Branchen einsetzen zu können: Von der Industrie über das Gesundheitswesen bis zur Finanzwelt. 
  • Sie möchten Daten dazu verwenden, Produkte und Prozesse zu optimieren und effizienter zu gestalten

Kontakt

Prof. Dr. Carlo Bach, Studiengangleiter
+41 58 257 33 98
carlo.bach@ost.ch

Daniel Keller, Studienberater
+41 58 257 33 26
daniel.keller@ost.ch

Schwerpunkte

Data Engineering ist eine wichtige Grundlage für die Realisierung von industriellen KI-Projekten. Es umfasst die Entwicklung, den Aufbau und die Verwaltung von Datenpipelines und Systemen, die grosse und komplexe Datensätze verarbeiten können, sowie die Gewährleistung von Datenqualität, Zuverlässigkeit und Sicherheit. Es ist die Grundvoraussetzung, um KI-Modelle effektiv zu trainieren, zu testen und auszurollen. 

Die Entwicklung und das Trainieren von KI-Modellen ist Bestandteil des zweiten Schwerpunkts, Industrial AI. Hier lernen Sie wie moderne KI-Modelle und Systeme entwickelt und im realen Umfeld eingesetzt werden. Mit der Visualisierung und Analyse der Daten oder smarten Entscheidungssystemen können die Benutzer Entscheidungen faktenbasiert treffen. Industrietaugliche KI-Systeme müssen zuverlässig, effizient und mit bekannter Unsicherheit operieren. Machine Learning Operations (MLOps) garantieren hohe Qualität und Zuverlässigkeit. Neue Ideen und optimale Designs können über effiziente generative Surrogat-Modelle entwickelt werden. 

Data Analytics und Visualisierung

Datenanalyse beschäftig sich mit dem systematischen Untersuchen, Interpretieren und Schlussfolgern aus Datensätzen, um Erkenntnisse zu gewinnen und Entscheidungen zu unterstützen. Dabei spielt die Datenvisualisierung eine zentrale Rolle, um die wesentlichen Dinge, die sich in den Daten verbergen, für Menschen sichtbar und erkennbar zu machen. Sie lernen verschiedenste Formen von Visualisierungen für quantitative, kategoriale und Zeitreihen-Daten an Beispielen und Datensätzen kennen und im Rahmen eines  Projekts selbst zu erstellen. Dabei arbeiten wir mit Darstellungsformen wie Diagrammen und Grafiken, Karten, Heatmaps und interaktiven Visualisierungen. 

Scientific Computing

Wissenschaftliches Rechnen ist das grundlegende Werkzeug für Ingenieur/innen, um komplexe mechatronische Systeme zu modellieren, zu analysieren und zu optimieren. Stellen Sie sich vor, Sie entwickeln einen Algorithmus zur Bahnplanung für einen Manipulator eines Operationsroboters. Hier kommen numerische Methoden ins Spiel, um präzise Bewegungsabläufe zu berechnen und zu simulieren. Bei der Optimierung von Windturbinen oder Elektrofahrzeugen können dank numerischer Simulation und Optimierung massive Effizienzsteigerungen erzielt werden. Algorithmen bilden das Fundament der Numerik. Sie können iterativ, rekursiv oder funktional implementiert werden.

Applied Neural Networks

Tiefe Neurale Netzwerke (DNN) sind das Rückgrat vieler moderner Technologien und Anwendungen. Sie sind die treibende Kraft hinter Fortschritten in der Bilderkennung, Sprachverarbeitung und vielen anderen Bereichen. Ohne die Fortschritte im Deep Learning wären Large Language Models (LLMs) wie ChatGPT nicht möglich. Neuronale Netze erkennen komplexe Muster in Daten und sind in der Lage, Vorhersagen zu treffen, die weit über das hinausgehen, was mit traditionellen Methoden möglich ist. In diesem Modul lernen Sie, wie das Gradientenabstiegsverfahren und die Backpropagation neuronale Netze trainieren und wie diese Methoden auf GPUs implementiert werden, um komplexe Berechnungen effizient durchzuführen. Mit Techniken wie Explainable AI (XAI) beginnen Sie zu verstehen, wie neuronale Netze Entscheidungen treffen.

 

Internet der Dinge (IoT) und Edge Computing

Seit Jahren revolutionieren intelligente Geräte, die miteinander kommunizieren, unseren Alltag. Mit über 50 Milliarden verbundenen Geräten im Jahr 2020 ist das Internet der Dinge nicht nur eine technologische Meisterleistung, sondern auch von strategischer Bedeutung. Es formt die Zukunft und beeinflusst unser Leben auf nachhaltige Weise. Vernetzte intelligente Geräte steuern und überwachen Geschäftsprozesse in allen Lebensbereichen. IoT ist die Grundlage für die vierte industrielle Revolution. Von der Mechanisierung über Elektrifizierung und Informatisierung bis hin zur Vernetzung von allem – das Internet der Dinge treibt den Fortschritt voran.

Predictive Modelling

Predictive Modelling ist eine Reise ins Herz der modernen Entscheidungsfindung, der Produktentwicklung und des technologischen Fortschritts – ein Schlüsselbereich, der die Zukunft der Technik und DataScience gestaltet. Mathematik, Statistik und Informatik bilden hier ein mächtiges Werkzeug für Ingeniuer/innen, um Unsicherheiten oder Rauschen nicht zu verbannen, sondern sie zu verstehen und zu modellieren. Im Zentrum dieses Bereichs steht die Wahrscheinlichkeitstheorie. Sie erkunden die Geheimnisse hinter Zufallszahlen und erlernen, wie man aus scheinbar unzusammenhängenden Daten wertvolle Erkenntnisse zieht. 

Zur Übersichtsseite BSc Mechatronik