Wer belegt weltweit Platz 1, wenn es um die beste Universität für Künstliche Intelligenz (KI) und Data Science geht?(Bild: QS)
QS (Quacquarelli Symonds) hat seine World University Rankings by Subject für 2024 vorgestellt. Wir haben uns Künstliche Intelligenz (KI) und Data Science angeschaut und präsentieren die Top 10 weltweit.
Anzeige
Die Geschichte der Künstlichen Intelligenz: Vom Nischenbereich zum Hype
Künstliche Intelligenz ist vor allem durch Tools wie ChatGPT in der Mitte der Gesellschaft angekommen. Der Chatbot löste Ende 2022 einen wahren Hype um das Thema aus. Mittlerweile gibt es unzählige Tools, die sich für viele Aufgaben einsetzen lassen. Ob Bilderstellung, Videos oder ganze Präsentationen – kaum ein Thema wird nicht mehr von AI (artificial intelligence) tangiert. Dabei reicht die Geschichte der Künstlichen Intelligenz bis in die 1950er Jahre zurück, als Wissenschaftler erstmals den Begriff prägten und an selbstlernenden Maschinen arbeiteten. Erste Programme konnten mathematische Theoreme beweisen, und in den 1960ern entstanden die ersten autonomen Roboter und Experten-Systeme. Der Fortschritt stagnierte jedoch in den 1970ern, da reale Probleme komplexer waren als erwartet. Erst in den 1980ern erlebte die KI-Forschung einen erneuten Aufschwung, unter anderem durch Expertensysteme. Ab den 2010er Jahren trieben exponentielle Rechenleistung und große Datenmengen den KI-Boom voran, was zu Anwendungen wie Sprachassistenten und autonomem Fahren führte.
Anzeige
Generative Künstliche Intelligenz: Ein (Fast) Alleskönner im digitalen Zeitalter
Mit ChatGPT bahnte sich schließlich generative Künstliche Intelligenz ihren Weg. Sie ist eine Art Alleskönner in der digitalen Welt. Sie kann Fragen beantworten, Gedichte verfassen, wissenschaftliche Studien zusammenfassen, Tabellen ausfüllen, Programmcode erstellen und Bilder erzeugen. Diese flexiblen KI-Systeme verändern die Arbeitswelt grundlegend, indem sie Wissensarbeiter bei der Textproduktion, Designer bei Entwürfen und Unternehmen bei der Automatisierung von Routineprozessen unterstützen.
Platz 10: Hong Kong University of Science and Technology (HKUST)Der Studiengang "Data Analytics and Artificial Intelligence in Science"bietet Studierenden eine Ausbildung in Datenanalyse und künstlicher Intelligenz mit Anwendungen in verschiedenen wissenschaftlichen Bereichen. Im ersten Jahr absolvieren die Studierenden grundlegende Kurse in den Naturwissenschaften, bevor sie ab dem dritten Jahr eine von vier Spezialisierungen wählen: Angewandte Biowissenschaften, Umweltwissenschaften, Informationswissenschaften oder Molekularwissenschaften und Cheminformatik. Das Programm legt Wert auf die Anwendung von Datenanalyse in wissenschaftlichen Kontexten, ohne dabei auf eine Spezialisierung in den jeweiligen Disziplinen abzuzielen. Es beinhaltet eine fundierte Ausbildung in Programmierung, Statistik und Datenvisualisierung.(Bild: Hong Kong University of Science and Technology)
Platz 9: University of Toronto (U of T)Studierende an der University of Toronto fokussieren sich in "Data Analytics & Artificial Intelligence"auf die Analyse von großen Datenmengen und die Anwendung von Künstlicher Intelligenz (KI) in verschiedenen Bereichen. Studierende lernen, wie sie mithilfe von Algorithmen und Techniken wie Deep Learning und neuronalen Netzwerken Daten analysieren, um praktische Probleme zu lösen. Die Forschung umfasst Bereiche wie Bioinformatik, autonome Fahrzeuge, Cybersecurity und intelligente Transportsysteme. Im Programm wird vermittelt, wie Datenanalysen zur Optimierung von Prozessen in Medizin, Kommunikation und Technologie eingesetzt werden können. Der Studiengang bietet eine breite Palette an Spezialisierungen, die auf die Nutzung von KI und Datenanalyse in verschiedenen Sektoren abzielen.(Bild: Byalexander.s.farley-33200018Uploaded bySkeezix1000,CC BY 2.0,Link)
Platz 8: Nanyang Technological University (NTU) SingaporeDas Programm in Data Science und Artificial Intelligence (DSAI)bietet eine fundierte Ausbildung in Statistik und Informatik, um Datenanalysen und KI zur Lösung gesellschaftlicher Probleme einzusetzen. Es wird gemeinsam vom College of Computing and Data Science und der School of Physical and Mathematical Sciences angeboten und erstreckt sich über vier Jahre. Die Studierenden haben die Möglichkeit, reale Probleme in verschiedenen Bereichen wie Gesundheitswesen, Finanzen, Technologie und Umweltschutz zu lösen. Der Studiengang richtet sich an diejenigen, die Mathematikkenntnisse auf fortgeschrittenem Niveau mitbringen und innovative Lösungen entwickeln möchten. Absolventen können in Berufen wie Data Scientist, Machine Learning Engineer oder AI Engineer arbeiten.(Bild: NTU)
Platz 7: ETH ZürichDie ETH Zurich bietet umfassende Möglichkeiten im Bereich der Künstlichen Intelligenz (KI)durch die Verbindung von Grundlagenforschung und anwendungsorientierter Forschung in verschiedenen Disziplinen wie Mathematik, Informatik, Ingenieurwissenschaften und Gesundheitswesen. Studierende können auf exzellente Infrastruktur und interdisziplinäre Forschungsansätze zugreifen, um innovative KI-Methoden zu entwickeln. Das ETH AI Center, eröffnet 2020, dient als zentrale Plattform für KI-Forschung und fördert den Austausch zwischen Wissenschaft, Wirtschaft und Politik. Es unterstützt die Ausbildung der nächsten Generation von KI-Forschenden und fördert Start-ups und Kooperationen in der Industrie. Der Fokus liegt auf vertrauenswürdigen und inklusiven KI-Systemen, die gesellschaftlichen Nutzen bringen.(Bild: ETH Zürich)
Platz 6: National University of Singapore (NUS)Das Programm "Artificial Intelligence and Machine Learning (Data Science)"richtet sich an Studierende aus den Bereichen Naturwissenschaften, Technologie, Ingenieurwesen, Informatik und Mathematik. Es vermittelt grundlegendes Wissen über Künstliche Intelligenz und verschiedene Machine-Learning-Algorithmen sowie praktische Anwendungen mit realen Daten. Der Kurs beinhaltet thematische Diskussionen, Live-Tutorials und praktische Übungen, um das Gelernte zu vertiefen. Eine Mini-Projektarbeit ermöglicht den Teilnehmenden, ein AI/ML-bezogenes Problem zu analysieren und zu lösen. Programmierkenntnisse in Python sowie Grundwissen in Mathematik und Statistik sind von Vorteil, aber keine Voraussetzung.(Bild: National University of Singapore)
Platz 5: Harvard UniversityAn der Harvard University gibt es die Möglichkeit sich zum Thema KI und Data Analytics in Online-Kursen weiterzubilden. Beispielsweise dieFortbildung "Data Science: Machine Learning", der grundlegende Kenntnisse in Machine Learning und Data Science vermittelt, mit einem Fokus auf das Erstellen eines Filmempfehlungssystems (movie recommendation system). Die Teilnehmenden lernen verschiedene Algorithmen des maschinellen Lernens sowie Techniken wie Kreuzvalidierung und Regularisierung kennen, um Überanpassung zu vermeiden. Der Kurs ist Teil des Professional Certificate Program in Data Science und dauert acht Wochen, mit einem wöchentlichen Zeitaufwand von 2-4 Stunden. Es handelt sich um ein selbstgesteuertes Programm, das Online-Lektionen, praktische Übungen und ein Abschlussprojekt umfasst. Eine Teilnahme ist kostenlos möglich, optional kann ein Zertifikat für eine Gebühr erworben werden.Darüber hinaus gibt es zahlreiche weitere Programme zu verwandten Themen– manche kostenlos, manche gegen Gebühr. So bietet der Kurs "CS50's Introduction to Artificial Intelligence with Python" eine Einführung in Künstliche Intelligenz und maschinelles Lernen, während der Kurs "Fundamentals of TinyML" sich auf maschinelles Lernen für eingebettete Systeme konzentriert. Zudem gibt es spezialisierte Angebote wie "AI Essentials for Business", das die Anwendung von Künstlicher Intelligenz in Geschäftsstrategien beleuchtet.(Bild: Harvard University)
Platz 4: University of OxfordOxford bietet eine umfassende Ausbildung in Künstlicher Intelligenz, die auf einer starken Basis in theoretischer Informatik und interdisziplinärer Forschung beruht. Studierende profitieren von enger Zusammenarbeit mit den Bereichen Ingenieurwissenschaften, Mathematik, Physik und Lebenswissenschaften und können an innovativen Projekten arbeiten, die AI in Bereichen wie autonome Fahrzeuge und medizinische Anwendungen einsetzen. Der Lehrplan umfasst Grundlagen wie Programmiersprachen, Algorithmen und Komplexitätstheorie, geleitet von weltweit führenden Forschern. Oxford setzt zudem auf sein Tutorial-System, um das kritische Denken und die Anwendungsfähigkeit der Studierenden zu fördern. Zusätzlich werden ethische und gesellschaftliche Aspekte der AI in Zusammenarbeit mit Philosophen untersucht.(Bild: University of Oxford)
Platz 3: University of California, Berkeley (UCB)Der Bachelor of Arts in Data Science an der University of California, Berkeley, verbindet rechnerische und inferenzielle Methoden, um fundierte Schlussfolgerungen aus Daten zu ziehen. Studierende lernen, den gesamten Prozess der Datenanalyse zu durchlaufen und erwerben Kenntnisse in Statistik, Computation und Datenmanagement. Es werden ethische und gesellschaftliche Aspekte der Datenanalyse integriert, um das Verständnis der Auswirkungen auf reale Anwendungen zu fördern. Zusätzlich wählen die Studierenden eine "Domain Emphasis", um ihre Fähigkeiten in einem spezifischen Anwendungsbereich zu vertiefen. Das Programm bietet auch einen Minor in Data Science, der Studierenden die Grundlagen der Datenanalyse in ihrem jeweiligen Studienbereich vermittelt.)(Bild: University of California, Berkeley (UCB))
Platz 2: Carnegie Mellon UniversityDas Department of Statistics & Data Science der Carnegie Mellon University in Pittsburghbietet ein flexibles und praxisorientiertes Curriculum, das auf moderne Methoden und die Analyse realer, interdisziplinärer Probleme fokussiert ist. Studierende erwerben sowohl theoretische als auch angewandte statistische Fähigkeiten und werden auf Berufe in Bereichen wie Finanzwesen, Gesundheitswesen, Technik und Regierung vorbereitet. Der Master of Science in Applied Data Science (MADS) ist ein intensives 9-monatiges Programm ohne Abschlussarbeit, das praxisnahe Projekte mit akademischen und industriellen Partnern umfasst. Die Dr. (PhD)-Programme legen besonderen Wert auf eine fundierte theoretische und praktische Ausbildung in der Statistik und sind auf akademische und industrielle Karrieren ausgerichtet. Zusätzlich wird ein vollständig online absolvierbares Graduate Certificate in Foundations of Data Science angeboten, das berufstätigen Fachleuten aus verschiedenen Bereichen datenwissenschaftliche Fähigkeiten vermittelt.(Bild: Carnegie Mellon University)
Platz 1: Massachusetts Institute of Technology (MIT)Auch am MIT können Interessierte diverse Online-Kurse belegen.Beispielsweise richtet sich der12-wöchige Kurs "Applied Data Science Program"an Berufstätige, wobei er sich auf die Anwendung von Künstlicher Intelligenz und Machine Learning in Entscheidungsprozessen fokussiert. Der Lehrplan, entwickelt von MIT-Fakultätsmitgliedern, umfasst Themen wie Machine Learning, Deep Learning, Python und Empfehlungssysteme. Studierende absolvieren sechs praxisorientierte Projekte sowie ein Capstone-Projekt, das auf reale Geschäftsanwendungen abzielt. Der Kurs wird durch Live-Vorlesungen, Mentoring und persönliche Betreuung unterstützt. Nach Abschluss des Kurses erhalten die Teilnehmenden ein Zertifikat von MIT Professional Education und 16 Continuing Education Units (CEUs).(Bild: Massachusetts Institute of Technology)
Die Grundlage dieser Systeme basiert auf enormer Rechenleistung, großen Datenmengen und speziellen Algorithmen wie dem Transformer-Modell. Dieses analysiert Wörter nach ihrer Bedeutung und Beziehung zueinander. Mit Hilfe von Deep Learning verbessern sich die KI-Systeme stetig. Neben Wörtern verarbeiten sie auch Pixel, Töne und sogar DNA-Code.
Anzeige
Trotz ihrer beeindruckenden Fähigkeiten haben generative KI-Systeme Grenzen. Sie liefern Wahrscheinlichkeitsabschätzungen, können jedoch falsche Informationen oder Verzerrungen reproduzieren. Zudem sind Fragen zur Datensicherheit, Urheberrechten und gesellschaftlichen Auswirkungen noch ungeklärt. Die rasante Entwicklung von multimodalen KI-Systemen, die Texte, Bilder und Audio verknüpfen, erfordert Antworten auf diese Herausforderungen, um die Technologie verantwortungsvoll zu nutzen.
Warum die Zukunft der KI in der Ausbildung liegt
Angesichts der rasanten Fortschritte und der vielseitigen Einsatzmöglichkeiten ist es entscheidend, generative KI-Systeme weiterzuentwickeln und ihre Grenzen zu überwinden. Verbesserungen sind notwendig, um die Zuverlässigkeit der Systeme zu erhöhen, ethische Standards zu wahren und ihr Potenzial voll auszuschöpfen. Eine fundierte Ausbildung in Künstlicher Intelligenz und Data Science wird immer wichtiger, um die nächste Generation von KI-Technologien verantwortungsvoll zu gestalten. Weltweit bieten renommierte Universitäten exzellente Studienprogramme in diesen zukunftsträchtigen Bereichen an. Wo man diese am besten studieren kann, hat Quacquarelli Symonds (QS) analyisert, ein britisches Unternehmen im Bereich Bildung und Auslandsstudium. Hier die Top 10 der besten Unis für KI und Data Science weltweit:
Wie genau das QS World University Ranking nach Fach erstellt wird
Das QS World University Ranking by Subject bewertet akademische Programme anhand von fünf Indikatoren, die zusammen die Leistung in bestimmten Studienbereichen widerspiegeln. Die Erstellung des Rankings erfolgt in mehreren Schritten, in die die verschiedenen Indikatoren einfließen:
Akademische Reputation: Dieser Indikator basiert auf Befragungen von Wissenschaftlern weltweit. Er zeigt, welche Universitäten in einem bestimmten Forschungsbereich als exzellent gelten. Die Ergebnisse werden nach dem Fachgebiet der Befragten gefiltert, um die Genauigkeit zu gewährleisten.
Reputation als Arbeitgeber (Employer Reputation): Dieser Indikator basiert auf der Meinung von Arbeitgebern, die weltweit Absolventen rekrutieren. Die befragten Arbeitgeber geben an, welche Institutionen sie für die Rekrutierung von Absolventen als exzellent erachten und aus welchen Fachbereichen sie bevorzugt rekrutieren.
Zitationen pro Publikation (Research Citations per Paper): Dieser Indikator verwendet Daten von Elsevier Scopus, einer umfassenden bibliografischen Datenbank, um Forschungsqualität und -einfluss anhand der Zitationshäufigkeit zu messen. Um Verzerrungen zu vermeiden, gibt es für jedes Fachgebiet eine Mindestzahl von Publikationen, die in das Ranking eingehen.
H-Index: Der H-Index misst die Produktivität und den Einfluss eines Wissenschaftlers oder einer Abteilung einer Universität. Er basiert auf der Anzahl der Publikationen eines Wissenschaftlers und der Häufigkeit, mit der diese in anderen Publikationen zitiert werden.
International Research Network (IRN): Der IRN-Index bewertet, inwieweit Einrichtungen in der Lage sind, die geografische Vielfalt ihres internationalen Forschungsnetzwerks durch nachhaltige Forschungspartnerschaften mit anderen Hochschulen zu diversifizieren.
Der Autor: Dr. Martin Large
(Bild: Hüthig)
Aus dem Schoß einer Lehrerfamilie entsprungen (Vater, Großvater, Bruder und Onkel), war es Martin Large schon immer ein Anliegen, Wissen an andere aufzubereiten und zu vermitteln. Ob in der Schule oder im (Biologie)-Studium, er versuchte immer, seine Mitmenschen mitzunehmen und ihr Leben angenehmer zu gestalten. Diese Leidenschaft kann er nun als Redakteur ausleben. Zudem kümmert er sich um die Themen SEO und alles was dazu gehört bei all-electronics.de.
