Learning Journeys für Universitätsdozenten

Die Amsterdam University of Applied Sciences (AUAS) bildet die Fachleute von morgen in einer Vielzahl von Bereichen und Disziplinen der Hochschulbildung aus. Mit ihrem Schwerpunkt auf den angewandten Wissenschaften ermöglicht die AUAS Studenten, Dozenten und Forschern die Entwicklung von modernem - und praktischem - Wissen und Innovationen.

Ein maßgeschneidertes Train-the-Trainer-Programm

Die Amsterdamer Hochschule für Angewandte Wissenschaften (Technische Fakultät) hat die Pflicht, ihre Studenten über die neuesten Technologien zu unterrichten, sei es KI, IoT (Internet der Dinge), Drohnen oder Energieinnovationen. Als solche kann sie es sich nicht leisten, bei der digitalen Transformation zu zögern. Letztes Jahr hat die Universität einen Plan aufgestellt, um ihr Data Science Learning Center von 30 auf 200 Studenten pro Jahr zu erweitern. Dies erfordert natürlich, dass die Universität ihre Ausbilder lange vor den Studenten ausbildet.

Ziele des Lernprogramms

Die Universität erstellte eine Liste von Anforderungen für dieses Lernprogramm. Die wichtigsten Ziele waren:

1. Die Teilnehmer sollten sich mit AI beschäftigen
2. Der Inhalt des Kurses enthält die neuesten Erkenntnisse aus der Praxis
3. Der Inhalt des gesamten Studienprogramms sollte flexibel gestaltet werden

Um ganz ehrlich zu sein, sind nicht viele Unternehmen in der Lage, alle drei Anforderungen zu erfüllen. Außerdem waren wir auf der Suche nach einer eher strukturellen Zusammenarbeit als nach einem einmaligen Projekt. Mit Xebia haben wir einen Partner gefunden, der die Autorität in Sachen KI in sich trägt. Wir haben volles Vertrauen, dass wir ihre Trainer vor dieses schwierige Publikum stellen können. Aber Xebia erwies sich nicht nur als Quelle von Erkenntnissen: Sie halfen uns auch bei der Gestaltung des Programms.

Programmgestaltung

Das Programm wurde entwickelt, damit erfahrene Dozenten den Studenten beibringen können, worauf es bei der Arbeit an Daten- und KI-Anwendungsfällen ankommt. Das Programm beginnt mit einem Analytik-Übersetzerkurs. Danach folgt ein intensiver Rundgang durch Python für Datenanalyse - insbesondere Pandas und verschiedene Plotting-Bibliotheken im Ökosystem. Es geht weiter mit Python für maschinelles Lernen, wobei der Schwerpunkt auf scikit-learn liegt.

Nach der Beherrschung der Tools wird das Programm mit einer Reihe von vertiefenden Vorlesungen fortgesetzt. Sie behandeln lineare Programmierung, Zeitreihenanalyse und Prognosen, A/B-Tests und Bayes'sche Modellierung.

Am Ende dieses dreimonatigen Programms sind die Dozenten in der Lage, mit den Studenten zu arbeiten. Die erworbenen praktischen Kenntnisse ermöglichen es ihnen, selbstbewusst vor den anspruchsvollsten Klassen aufzutreten.

Fortgesetzte Zusammenarbeit

Die Universität sieht Xebia auch als Sparringspartner für zukünftige Projekte. Ein Beispiel ist ein Subventionsprogramm für Data Science-Projekte im industriellen Sektor.