Schulungsübersicht
Einführung in KI für die Softwareentwicklung
- Unterschied zwischen generativer KI und prädiktiver KI
- Anwendungen von KI in der Codierung, Analytik und Automatisierung
- Überblick über LLMs, Transformer und Deep-Learning-Modelle
KI-unterstützte Codierung und prädiktive Entwicklung
- KI-gestützte Code-Vervollständigung und -Generierung (GitHub Copilot, CodeGeeX)
- Vorhersage von Code-Bugs und Sicherheitslücken 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 Bedarfsprognosen und Anomalieerkennung
- Einsatz von Python, Scikit-learn und TensorFlow für die 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 Diffusion-Modellen
Bereitstellung von KI-Modellen in realen Anwendungen
- Hosting von KI-Modellen über Hugging Face, AWS und Google Cloud
- Aufbau API-basierter KI-Dienste für Geschäftsanwendungen
- Feinjustierung (Fine-Tuning) vortrainierter KI-Modelle für domänenspezifische Aufgaben
KI für prädiktive Geschäftseinblicke und Entscheidungsfindung
- KI-gesteuerte Business Intelligence und Kundenanalytik
- Vorhersage von Markttrends und Verbraucherzahlen
- Automatisierung von Workflow-Optimierungen mit KI
Ethische KI und Best Practices in der Entwicklung
- Ethische Überlegungen bei KI-unterstützter Entscheidungsfindung
- Erkennung von Bias und Fairness in KI-Modellen
- Best Practices für interpretierbare und verantwortungsvolle KI
Praxisworkshops und Fallstudien
- Implementierung von prädiktiver Analytik für einen realen Datensatz
- Aufbau eines KI-gestützten Chatbots mit Textgenerierung
- Bereitstellung einer LLM-basierten Anwendung zur Automatisierung
Zusammenfassung und nächste Schritte
- Review der wichtigsten Erkenntnisse
- KI-Tools und Ressourcen für weiteres Lernen
- Abschließende Q&A-Sitzung
Voraussetzungen
- Grundverständnis für Konzepte der Softwareentwicklung
- Erfahrung mit einer beliebigen Programmiersprache (Python wird empfohlen)
- Vertrautheit mit den Grundlagen des maschinellen Lernens oder der KI (empfohlen, aber nicht zwingend erforderlich)
Zielgruppe
- Softwareentwickler
- KI/ML-Ingenieure
- Technische Teamleiter
- Produktmanager mit Interesse an KI-gestützten Anwendungen
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
