Seminar Fit for AI
Das mathematische und statistische Fundament für alle, die AI wirklich verstehen wollen - berufsbegleitend, an fünf Abenden, praxisnah und ohne Vorkenntnisse.
AI-Systeme zu bauen setzt kein Mathematikstudium voraus, aber ein solides Fundament macht den Unterschied zwischen jemandem, der AI-Werkzeuge bedient, und jemandem, der AI-Systeme versteht und verantwortet. Unser Fit for AI Seminar vermittelt genau dieses Fundament.
Das Seminar findet an fünf Abenden, jeweils von 17:00 – 21:00 Uhr bei uns auf dem Campus Rapperswil-Jona statt.
Jedes Thema ist gezielt kuratiert für das, was Sie brauchen, um AI-Konzepte zu durchdringen, Entscheidungen zu beurteilen und informiert mitzureden, egal ob Sie tiefer in die AI-Entwicklung einsteigen oder einfach fundierter mit AI-Systemen umgehen möchten.
Allgemeine Informationen zum Seminar
Zielgruppe und Zulassung
Das Seminar Fit for AI richtet sich an Softwareentwicklerinnen und -entwickler, Tech Leads und technisch versierte Fachleute, die ein solides Fundament für AI aufbauen möchten, ganz ohne ML-Vorkenntnisse. Es eignet sich sowohl für Personen, die anschliessend in eines der AI Engineering Programme (CAS/MAS) einsteigen wollen, als auch für alle, die AI-Systeme fundierter verstehen, beurteilen und mitgestalten möchten, ohne einen CAS zu belegen.
Zielgruppe
- Softwareentwicklerinnen und -entwickler, die in die AI-Entwicklung einsteigen möchten
- Tech Leads und Architects, die AI-Systeme verantworten werden
- DevOps- und Platform-Engineers mit Interesse an ML-Operationalisierung
- technisch versierte Fachleute aus anderen Bereichen mit Programmiererfahrung
Zulassung
- Programmiererfahrung in mindestens einer Sprache
- keine ML- oder AI-Vorkenntnisse erforderlich
- mathematische Grundkenntnisse auf Gymnasialniveau genügen
- empfohlen für (C/M)AS AI Engineering ohne ML-Hintergrund
Seminarinhalte
Block 1 - Fundament
Wahrscheinlichkeit, Verteilungen, Feature-Vektoren & Geometrie, Embeddings und Ähnlichkeit
Block 2 - Wie Modelle lernen
Maximum Likelihood, Lineare Regression & Datendisziplin
Block 3 - Klassifikation & Evaluation
Logistische Regression, Metriken & Bias-Variance
Block 4 - Neuronale Netze
Overfitting/Regularisierung & fully-connected Netze
Block 5 - Moderne Architekturen
CNNs & MNIST-Schlussprojekt
Organisatorisches
- Abschluss: Teilnahmebestätigung OST
- Dauer: 2 Wochen auf 5 Blöcke berufsbegleitend, an 5 Abenden jeweils von 17:00–21:00 Uhr
- Unterrichtssprache: Deutsch (Materialien Englisch)
- Durchführungsort: Campus Rapperswil-Jona
- Kosten: CHF 1400.–
Abschlusskompetenzen
Absolventinnen und Absolventen dieses Seminars können
- Wahrscheinlichkeiten und Unsicherheiten in KI-Outputs richtig einordnen und kommunizieren
- erklären, was Embedding-Ähnlichkeit geometrisch bedeutet, Fundament für RAG-Systeme
- Precision, Recall, F1 und AUC korrekt berechnen und interpretieren
- Datensätze korrekt ohne Leakage in Train/Validation/Test aufteilen
- erklären, was ein Modell lernt, Gewichte, Loss, Gradient Descent
- Overfitting an einer Loss-Kurve erkennen und Regularisierungsstrategien benennen
- Backpropagation ohne Mathematik erklären
- jeden CAS des AI Engineering Programms mit Zuversicht starten
Anmeldung
Ihre Anmeldung nehmen wir gerne mittels Anmeldeformular entgegen.
FAQ
Welche Tools werden in diesem Seminar verwendet?
Python mit Jupyter Notebooks, NumPy, Scikit-Learn und interaktive Visualisierungstools. Alle Tools sind kostenlos und plattformunabhängig. Ein eigener Laptop ist erforderlich.
Gibt es ECTS-Punkte für dieses Seminar?
Das Seminar schliesst mit einer Teilnahmebestätigung der OST ab. Es ist kein eigenständiger CAS und verleiht keine ECTS-Punkte.
Kann ich das Seminar auch ohne Anmeldung zum CAS besuchen?
Ja, das Seminar ist auch ohne gleichzeitige CAS-Anmeldung buchbar. Viele Teilnehmende nutzen das Seminar als Orientierung.
Kann ich das Seminar besuchen, wenn ich bereits ML-Erfahrung habe?
Nein. Wer bereits mit ML vertraut ist, kann direkt mit dem CAS AI Solutions Engineering beginnen.