Schulungsübersicht
Einführung in KI für die Softwareentwicklung
- Was ist generative KI im Vergleich zur prädiktiven KI?
- Anwendungen von KI beim Codieren, in der Analytik und Automatisierung
- Überblick über LLMs, Transformer und Deep-Learning-Modelle
KI-unterstütztes Codieren und prädiktive Entwicklung
- KI-gestützte Codevervollständigung und -generierung (GitHub Copilot, CodeGeeX)
- Vorhersage von Codefehlern und Schwachstellen vor der Bereitstellung
- Automatisierung von Code-Reviews und Optimierungsvorschlägen
Aufbau prädiktiver Modelle für Softwareanwendungen
- Verständnis von Zeitreihenprognosen und prädiktiver Analytik
- Implementierung von KI-Modellen für die Bedarfsprognose und Anomalieerkennung
- Nutzung von Python, Scikit-learn und TensorFlow für prädiktive Modellierung
Generative KI für Text-, Code- und Bildgenerierung
- Arbeit mit GPT, LLaMA und anderen LLMs
- Erzeugung synthetischer Daten, Textzusammenfassungen und Dokumentation
- Erstellung KI-generierter Bilder und Videos mit Diffusionsmodellen
Bereitstellung von KI-Modellen in realen Anwendungen
- Hosting von KI-Modellen über Hugging Face, AWS und Google Cloud
- Aufbau von API-basierten KI-Services für Geschäftsanwendungen
- Feinabstimmung vortrainierter KI-Modelle für domänenspezifische Aufgaben
KI für prädiktive Geschäftseinblicke und Entscheidungsfindung
- KI-gestützte Business Intelligence und Kundenanalytik
- Vorhersage von Markttrends und Konsumentenverhalten
- Automatisierung von Workflow-Optimierungen mit KI
Ethische KI und Best Practices in der Entwicklung
- Ethische Überlegungen bei KI-unterstützten Entscheidungsprozessen
- Erkennung von Bias und Fairness in KI-Modellen
- Best Practices für interpretierbare und verantwortungsvolle KI
Praxisworkshops und Fallstudien
- Implementierung prädiktiver Analytik für einen realen Datensatz
- Aufbau eines KI-gestützten Chatbots mit Textgenerierung
- Bereitstellung einer LLM-basierten Anwendung zur Automatisierung
Zusammenfassung und nächste Schritte
- Überblick über die wichtigsten Erkenntnisse
- KI-Tools und Ressourcen für weiteres Lernen
- Abschliessende Q&A-Sitzung
Voraussetzungen
- Grundkenntnisse in den Konzepten der Softwareentwicklung
- Erfahrung mit einer beliebigen Programmiersprache (Python wird empfohlen)
- Vertrautheit mit den Grundlagen von Machine Learning oder KI (empfohlen, aber nicht erforderlich)
Zielgruppe
- Softwareentwickler
- KI/ML-Ingenieure
- Technische Teamleiter
- Produktmanager, die sich für KI-gestützte Anwendungen interessieren
Erfahrungsberichte (2)
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
