Schulungsübersicht
Einführung in die generative KI
- Was ist generative KI?
- Geschichte und Entwicklung der generativen KI
- Wichtige Begriffe und Konzepte
- Übersicht zu Anwendungsmöglichkeiten sowie Potenzialen der generativen KI
Grundlagen des maschinellen Lernens
- Einführung in das maschinelle Lernen
- Arten des maschinellen Lernens: überwachtes, unüberwachtes sowie verstärkendes Lernen
- Grundlegende Algorithmen und Modelle
- Datenaufbereitung sowie Merkmalsextraktion
Grundlagen des Deep Learning
- Neuronale Netze und Deep Learning
- Aktivierungsfunktionen, Verlustfunktionen sowie Optimierer
- Überanpassung, Unteranpassung sowie Regularisierungstechniken
- Einführung in TensorFlow und PyTorch
Überblick über generative Modelle
- Arten von generativen Modellen
- Unterschiede zwischen diskriminativen und generativen Modellen
- Anwendungsbereiche generativer Modelle
Variablen Autoencoder (VAEs)
- Grundverständnis von Autoencodern
- Architektur von VAEs
- Die Bedeutung des latenten Raums
- Praktisches Projekt: Erstellung eines einfachen VAE
Generative Gegennetzwerke (GANs)
- Einführung in GANs
- Architektur von GANs: Generator und Diskriminator
- Training von GANs sowie typische Herausforderungen
- Praktisches Projekt: Entwicklung eines einfachen GAN
Fortgeschrittene generative Modelle
- Einführung in Transformer-Modelle
- Überblick über GPT-Modelle (Generative Pretrained Transformers)
- Einsatzmöglichkeiten von GPT bei der Texterzeugung
- Praktisches Projekt: Texterstellung mithilfe eines vorgefertigten GPT-Modells
Ethik und gesellschaftliche Auswirkungen
- Ethische Überlegungen bei der Entwicklung generativer KI
- Verzerrungen sowie Gerechtigkeitsfragen in KI-Modellen
- Zukünftige Perspektiven und verantwortungsvolle KI-Nutzung
Industrielle Anwendungen der generativen KI
- Einsatzmöglichkeiten in Kunst und kreativem Schaffen
- Nutzung im Geschäfts- sowie Marketingbereich
- Anwendungen in Wissenschaft und Forschung
Abschlussprojekt
- Ideenfindung sowie Konzeption eines Projekts zur generativen KI
- Sammlung und Aufbereitung von Datensätzen
- Modellauswahl und -training
- Ergebnisauswertung sowie Präsentation
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundkenntnisse in Programmierung mit Python
- Verständnis grundlegender mathematischer Konzepte, insbesondere der Wahrscheinlichkeitsrechnung und Linearen Algebra
Zielgruppe
- Entwickler
Erfahrungsberichte (3)
Umfassende Informationen zum Hintergrund; wie man eine Prompt-Anfrage formuliert.
Olaf Kannt - Helios Klinikum Krefeld
Kurs - Generative AI and Prompt Engineering in Healthcare
Maschinelle Übersetzung
die Tipps und empfohlenen Prompts, die wir aus diesem Training mitnehmen können
Lee Mei Lin - ST Engineering IHQ Pte Ltd
Kurs - InVideo AI: Creating Engaging Short-Form Videos
Maschinelle Übersetzung
Einsatz von angemessenen und wirksamen Prompts
Marses Pacaldo
Kurs - Generative AI and Prompt Engineering for Corporate Professionals
Maschinelle Übersetzung