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 Ingenieursproblem.
- Entmystifizierung des "Geistes in der Maschine": Was KI ist und was nicht.
- Die Entwicklung der Technologie: Von BERT zu Transformern.
- Generative Domänen: Analyse, Kreativität, Forschung, Bild, Musik und Video.
- Daten-Governance: Säulen, Audits und Forschungs-trends (Multimodalität, Agenten, RAG, LLM vs. SLM).
- Die dunkle Seite: Ethik, IP, Bias, Halluzinationen und Social Engineering.
- Risikobewertung: Data Poisoning, Nepenthes und das Risiko der "Verringerung" menschlicher Talente.
- Modell-Taxonomie: Foundation vs. Aufgabenspezifisch; Closed vs. Open-Weight Modelle.
Modul 2: Aktuelle Landschaft & Toolset
- Die Language Models Arena: Vergleich von Leistung und Benchmarks.
- Professionelle Kaufkriterien: Kosten, Latenz, Privatsphäre und Vendor-Lock-in.
- Überblick über große Modelle: OpenAI ChatGPT, Perplexity, Gemini und Grok.
- Nischen- & kleine Modelle: Manus, SpecKit.
- Graphische Generierung: Perchance
- Technische Einschränkungen: Context Rot vs. Token-Kosten.
Modul 3: Interaktion - Prompt & Context Engineering
- Das Verifizierungs-Framework: Vollständigkeit, Konsistenz und Überprüfbarkeit.
- Die RAG-Strategie: Wann Retrieval-Augmented Generation vs. Fine-Tuning einzusetzen ist.
- ROI von KI: Wartungskosten vs. Produktivitätssteigerungen.
- Fortgeschrittene Techniken: Über 20 Prompt- & RAG-Methoden mit Praxisbeispielen.
- Experimentelle Frontiers: Triangulation, Map & Terrain Übersicht und modellbasierte Generierung.
Modul 4: KI im agilen Projektmanagement
- Der Supercomputer-Pilot: KI als Automatisierungs-Engine.
- Entscheidungsfindung: Menschliche Verantwortung vs. KI-Assistenz.
- AIOps & GitOps: Integration von KI in den operativen Workflow.
- Toolchains & Pipelines: Erstellung einer nahtlos integrierten KI-gesteuerten Umgebung.
- Agile Artefakte: Backlog, Roadmap und Requirements Engineering.
- Präzises Management: Kapazitätsplanung und Schätzung (Genauigkeit vs. Präzision).
- Product Ownership: Ideation, Feature-Analyse und Risiken des Vibe-Codings.
- Risiko & Szenarien: Planung für "Was-wäre-wenn"-Szenarien und automatisiertes Risikomanagement.
- Verfeinerung: Use Case und User Story Beschreibung & Verfeinerung.
Voraussetzungen
- Grundlegendes Verständnis des Agile Manifesto und des Scrum-Frameworks.
- Erfahrung in Projektmanagement, Product Ownership oder Teamleitung.
- Keine vorherigen Programmier- oder KI-Ingenieurserfahrungen sind erforderlich, wobei eine allgemeine Vertrautheit mit digitalen Tools empfohlen wird.
Zielgruppe
- Agile Projektmanager und Scrum Masters.
- Product Owners und Produktmanager.
- IT-Teamleiter und Delivery Manager.
- Business Analysten, die in agilen Umgebungen arbeiten.
- Betriebsmanager, die sich für AIOps interessieren.
7 Stunden
Erfahrungsberichte (1)
Verstehen Sie die Funktionen und Werkzeuge der KI, um unsere Arbeit zu erleichtern. Es ist wichtig, KI-Chats wie die Durchführung von Analysen und die Erstellung von Präsentationen zu verbessern.
Tri wulandari - PT Chubb Life Insurance Indonesia
Kurs - AI Literacy & Productivity
Maschinelle Übersetzung