Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Modul 1: Einführung & KI-Theorie
- Der modellbasierte Ansatz: KI als Ingenieurproblem.
- Entmystifizierung des "Geistes in der Maschine": Was KI ist und was sie nicht ist.
- Die Entwicklung der Technologie: Von BERT zu Transformern.
- Generative Domänen: Analyse, Kreativität, Forschung, Bild, Musik und Video.
- Daten-Governance: Grundpfeiler, Audits und Forschungstrends (Multimodalität, Agenten, RAG, LLM vs. SLM).
- Die dunkle Seite: Ethik, geistiges Eigentum (IP), Bias, Halluzinationen und Social Engineering.
- Risikobewertung: Data Poisoning, Nepenthes und das Risiko der "Verniedlichung" menschlicher Talente.
- Modell-Taxonomie: Foundation Models vs. aufgaben spezifische Modelle; Closed vs. Open-Weight-Modelle.
Modul 2: Aktuelle Landschaft & Werkzeugkasten
- Die Language Models Arena: Vergleich von Leistung und Benchmarks.
- Professionelle Kaufkriterien: Kosten, Latenzzeit, Datenschutz und Vendor-Lock-in.
- Überblick über grosse Modelle: OpenAI ChatGPT, Perplexity, Gemini und Grok.
- Nischen- und kleine Modelle: Manus, SpecKit.
- Bildgenerierung: Perchance
- Technische Einschränkungen: Context Rot vs. Token-Kosten.
Modul 3: Interaktion - Prompt & Kontext Engineering
- Der Verifizierungsrahmen: Vollständigkeit, Konsistenz und Überprüfbarkeit.
- Die RAG-Strategie: Wann Retrieval-Augmented Generation vs. Fine-Tuning einzusetzen ist.
- ROI von KI: Wartungskosten vs. Produktivitätssteigerung.
- Fortgeschrittene Techniken: 20+ Prompt & RAG-Methoden mit Praxisbeispielen.
- Experimentelle Frontiers: Triangulation, Map & Terrain Überblick und modellbasierte Generierung.
Modul 4: KI im agilen Projektmanagement
- Der Supercomputer-Pilot: KI als Automatisierungsmotor.
- Entscheidungsfindung: Menschliche Verantwortung vs. KI-Assistenz.
- AIOps & GitOps: Integration von KI in den operativen Arbeitsablauf.
- Toolchains & Pipelines: Erstellung einer nahtlosen, KI-getriebenen Umgebung.
- Agile Artefakte: Backlog, Roadmap und Anforderungsingenieurwesen.
- Präzises Management: Kapazitätsplanung und Schätzung (Genauigkeit vs. Präzision).
- Product Ownership: Ideenfindung, Feature-Analyse und Risiken durch "Vibe-Coding".
- Risiko & Szenarien: Planung für "Was-wäre-wenn"-Szenarien und automatisiertes Risikomanagement.
- Verfeinerung: Beschreibung und Verfeinerung von Use Cases und User Stories.
Voraussetzungen
- Grundlegendes Verständnis des Agilen Manifests und des Scrum-Rahmens.
- Erfahrung im Projektmanagement, Product Ownership oder Team Leadership.
- Keine vorherige Programmier- oder KI-Ingenieurserfahrung ist erforderlich, obwohl eine allgemeine Vertrautheit mit digitalen Tools empfohlen wird.
Zielgruppe
- Agile Projektleiter und Scrum Masters.
- Product Owner und Product Manager.
- IT-Teamleiter und Delivery Manager.
- Business Analysten, die in agilen Umgebungen tätig sind.
- Operations Manager, die sich für AIOps interessieren.
7 Stunden
Erfahrungsberichte (2)
Der Trainer ist geduldig und sehr hilfsbereit. Er kennt sich gut mit dem Thema aus.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Kurs - Agentic AI for Business Automation: Use Cases & Integration
Maschinelle Übersetzung
In der Lage, auf Vorschläge des Publikums einzugehen - d.h. ein reales KI-Agent-Szenario即兴地创建。
Brett McLaren - Zoll Itamar
Kurs - ChatGPT for Productivity: A Beginner’s Guide
Maschinelle Übersetzung