NDS HF Informatik Data Science
Beschreibung
In der heutigen datengetriebenen Welt wird die Fähigkeit, grosse Datenmengen zu analysieren und daraus wertvolle Erkenntnisse zu gewinnen, immer wichtiger. Für technisch orientierte Fachkräfte bietet dies eine hervorragende Gelegenheit, sich in einem zukunftsträchtigen Berufsfeld zu etablieren. Insbesondere für Techniker/innen HF eröffnet dieses Nachdiplomstudium neue Möglichkeiten für spannende und gut bezahlte Tätigkeiten.
Das Nachdiplomstudium NDS HF Data Science richtet sich an ausgebildete Berufsleute, die ihre Karriere vorantreiben möchten und bereits einen der folgenden Abschlüsse erlangt haben:
- eidg. Fachausweis Informatik oder ICT
- eidg. Fachausweis Wirtschaftsinformatik
- eidg. Fachausweis Elektro
- Höhere Fachschule HF
- Fachhochschule FH
Die Zulassung zu diesem Studiengang ist beschränkt. Die Eignung wird in einem Zulassungsgespräch durch die Schulleitung überprüft.
Motivation
Du möchtest zusätzliche Kompetenzen in den Kerngebieten Data Science, Datenanalyse, maschinelles Lernen, Big Data und Datenvisualisierung erwerben:
- am Arbeitsplatz und in Projekten Verantwortung im Bereich Data Science übernehmen und datengetriebene Entscheidungen treffen
- die komplexen technischen Zusammenhänge im eigenen Arbeitsumfeld verstehen
- dein Potenzial in der eigenen beruflichen Laufbahn ausschöpfen
- eine gefragte Qualifizierung mit besseren Verdienstmöglichkeiten erlangen
Fit für neue Herausforderungen
Das Nachdiplomstudium NDS HF Data Science qualifiziert dich für Tätigkeiten wie:
- Datenanalyse und -interpretation zur Unterstützung von Geschäftsentscheidungen
- Implementierung von Machine-Learning-Modellen
- Verwaltung und Analyse grosser Datenmengen (Big Data)
- Erstellung von Datenvisualisierungen zur Kommunikation von Erkenntnissen
- Beratung von Behörden, Industrie und KMU im Bereich Data Science
- Durchführung interner Schulungen im Bereich Data Science
Ausbildungsziele
- Du erwirbst umfassende Kenntnisse in den Bereichen Data Science, Datenanalyse, maschinelles Lernen, Datenvisualisierung und Datenmanagement.
- In praxisorientierten Projekt- und Semesterarbeiten wendest du das erworbene Wissen an.
- Im eigenen Berufsumfeld kannst du laufend die während des Studiums erworbenen Kompetenzen einsetzen.
Zusammen mit den im unterrichteten Fachgebiet berufstätigen Dozierenden gewährleisten wir, dass die Lerninhalte immer auf die aktuellsten Anforderungen der Berufswelt ausgerichtet sind.
Dauer und Aufbau
Das Nachdiplomstudium NDS HF Informatik ist modular aufgebaut und besteht aus vier unabhängigen Nachdiplommodulen (NDM). Ein Semester besteht aus mehreren Nachdiplommodulen.
Semester 1
NDM1: Grundlagen und Werkzeuge (Python)
NDM2: Zusammenhänge visualisieren
Semester 2
NDM3: Prognosen erstellen
NDM4: Maschinelles Lernen mit Python
Jedes NDM kann auch einzeln besucht werden und wird mit einem TEKO-Zertifikat abgeschlossen.
Wenn alle NDM erfolgreich absolviert worden sind, kann danach optional ein Synthesemodul (SYM) besucht werden und eine Diplomarbeit geschrieben werden.
SYM: Synthesemodul mit Synthesearbeit
DAD: Diplomarbeit Data Science
Nach absolviertem Synthesemodul und nach der abgeschlossenen und genügenden Diplomarbeit wird das eidg. anerkannte Diplom
Dipl. Experte Data Science NDS HF,
Dipl. Expertin Data Science NDS HF
vergeben.
Varianten
Damit du Beruf, Familie und Weiterbildung optimal aufeinander abstimmen kannst, stehen dir verschiedene Varianten des Schulbesuchs zur Auswahl. Du kannst zwischen Abendschule, Tagesschule oder dem hybriden Unterricht mit mehrheitlichem online-Unterricht wählen.
Unterrichtszeiten:
- Morgen: 08.00 - 11.30 Uhr
- Nachmittag: 12.30 - 16.00 bzw. 18.00 Uhr
- Abend: 18.30 - 21.45 Uhr
Abendschule
Der Unterricht findet an zwei Abenden mehrheitlich im Onlineunterricht statt.
Tagesschule
Der Unterricht findet an einem Wochentag sowie zusätzlich an einem Abend oder am Samstagmorgen mehrheitlich im Präsenzunterricht statt. Auch bei dieser Variante können Unterrichtseinheiten online stattfinden.
Hybrider Unterricht
Der Unterricht findet mehrheitlich online statt. Du kannst ortsungebunden zu den im Stundenplan festgelegten Zeiten am Unterricht teilnehmen. Dazu benötigst du einen PC, Mac, Notebook oder Tablet und einen stabilen Internetzugang.
Welche Varianten wir an den einzelnen Standorten anbieten, siehst du unter Daten und Kosten.
Eidgenössische Anerkennung
Dieser Bildungsgang befindet sich aktuell im Anerkennungsverfahren des Bundes auf Basis der Verordnung des WBF über Mindestvorschriften für die Anerkennung von Bildungsgängen und Nachdiplomstudien der höheren Fachschulen.
Studienplan
Semester | 1. | 2. | DA* |
---|---|---|---|
Technische Fächer | |||
Data Programmierung | 2 | ||
Data Processing | 2 | ||
Analyse und Visualisierung | 2 | ||
Algorithmen | 2 | ||
Schätzmethoden | 2 | ||
Zeitreihen | 2 | ||
Neuronale Netze | 2 | ||
Überwachtes und unüberwachtes Lernen | 2 | ||
Praktika | |||
Projekt- und Transferarbeiten | 4 | 4 | |
Abschliessendes Qualifikationsverfahren (optional) | |||
Synthesemodul Data Science | 2 | ||
Hackathon / Case Study Challenge | 4 | ||
Diplomarbeit Data Science | 6 | ||
Total Wochenlektionen | 12 | 12 | 12 |
Daten & Kosten
Bern
Studiengang | Start | Preis/Semester | Dauer |
---|---|---|---|
NDS HF Informatik Data Science
2 Abende Hybridmodell 80/20 (ca. 80% Online-Unterricht, ca. 20% Präsenzunterricht) |
21.04.2025 | 4680.- | 2 Semester |
Abschlussqualifikation
Synthesemodul, Hackathon / Case Study Challenge, Diplomarbeit |
20.04.2026 | 2680.- | 12 Wochen |
Rechnungsstellung
Du erhältst von uns vor jedem Semesterstart eine Rechnung. Gerne erwarten wir die Bezahlung vor dem ersten Schultag. Die Kosten für Prüfungen, Vordiplomprüfungen, Semester- und Gruppenarbeiten sowie für die Diplomarbeit sind im Schulgeld inbegriffen. Nicht inbegriffen sind Lernunterlagen und Hilfsmittel sowie Soft- und Hardware.
Ratenzahlung
Du möchtest die Studiengebühren in Raten bezahlen? Das ist möglich, du kannst die Semestergebühren in maximal fünf Raten ohne Zusatzgebühren bezahlen. Melde dich beim Sekretariat des gewählten Standorts, nachdem du dich angemeldet hast.