Schulungsübersicht
Einführung in die Anwendung von KI in der Softwareentwicklung
- Unterschiede zwischen Generative und Predictive KI
- Einsatzmöglichkeiten von KI bei der Programmierung, Analyse sowie Automatisierung
- Überblick zu Großsprachmodellen, Transformer-Architekturen und Deep-Learning-Modellen
KI-gestützte Programmierung und predictive Entwicklungstechniken
- Automatische Code-Vervollständigung mittels KI (z. B. GitHub Copilot, CodeGeeX)
- Vorhersage von Programmierfehlern und Sicherheitslücken noch vor der Veröffentlichung
- Automatisierung von Code-Reviews sowie Optimierungsvorschläge generieren lassen
Entwicklung von predictive Modellen für Softwareanwendungen
- Grundlagen der Zeitreihenprognose und Predictive Analytics verstehen
- KI-Modelle zur Nachfragevorhersage sowie Erkennung von Anomalien implementieren
- Einsatz von Python, Scikit-learn und TensorFlow bei der Entwicklung solcher Modelle
Generative KI zur Erstellung von Texten, Code und Bildern
- Arbeit mit GPT, LLaMA sowie anderen Großsprachmodellen
- Erzeugung synthetischer Daten, Zusammenfassungen oder technischer Dokumentationen mittels KI
- Erstellung von Bildern und Videos unter Nutzung sogenannter Diffusion-Modelle
Implementierung von KI-Modellen in reale Anwendungen
- Hosting von KI-Modellen über Plattformen wie Hugging Face, AWS oder Google Cloud
- Erstellung API-basierter Dienstleistungen mit KI-Technologie für geschäftliche Zwecke
- Feinabstimmung vorbereiteter KI-Modelle auf branchenspezifische Bedürfnisse
Nutzung von KI zur Gewinnung vorhersagefähiger Geschäftserkenntnisse und Entscheidungen
- Einsatz von KI bei der Erstellung von Business Intelligence sowie Analyse von Kundenverhalten
- Vorhersage von Markttrends und Verhaltensmustern potenzieller Kund:innen
- Automatisierung komplexer Arbeitsabläufe mittels KI-gestützter Methoden
Ethik und bewährte Praktiken bei der Entwicklung von KI-Systemen
- Relevante ethische Aspekte bei der Anwendung KI-unterstützter Entscheidungsfindungen berücksichtigen
- Erkennung von Bias sowie Gewährleistung von Fairness in KI-Modellen sicherstellen
- Empfohlene Verfahrensweisen zur Entwicklung nachvollziehbarer und verantwortungsvoller KI-Systeme umsetzen
Praktische Workshops sowie Fallstudien
- Umsetzung einer predictive Analyse anhand realer Datensätze üben.
- Entwicklung eines KI-gestützten Chatbots mit Textgenerierungsfunktionen durchführen.
- Implementierung einer auf LLMs basierenden Automatisierungslösung erproben.
Abschluss und weitere Schritte
- Zusammenfassung der wichtigsten Inhalte des Kurses
- Auflistung relevanter KI-Tools sowie Materialien zur weitergehenden Weiterbildung
- Abschlussrunde mit Fragen und Antworten
Voraussetzungen
- Grundkenntnisse in Konzepten der Softwareentwicklung
- Erfahrung mit mindestens einer Programmiersprache (Python wird empfohlen)
- Vertrautheit mit den Grundlagen des maschinellen Lernens bzw. der KI ist wünschenswert, aber nicht zwingend erforderlich
Zielgruppe
- Softwareentwickler:innen
- KI/ML-Ingenieur:innen
- Technische Teamleiter:innen
- Produktmanager:innen, die sich für KI-gestützte Anwendungen interessieren
Erfahrungsberichte (3)
Korrekter Einsatz von Prompts
Marses Pacaldo
Kurs - Generative AI and Prompt Engineering for Corporate Professionals
Maschinelle Übersetzung
Der interaktive Stil, die Übungen
Tamas Tutuntzisz
Kurs - Introduction to Prompt Engineering
Maschinelle Übersetzung
Eine großartige Sammlung von Ressourcen für zukünftige Nutzung, der Stil des Dozenten (voller Humor und mit großer Detailgenauigkeit)
Adam - GE Aerospace Poland Sp. z o.o.
Kurs - Prompt Engineering for ChatGPT
Maschinelle Übersetzung
