AI BOOTCAMP 2024

Montag

Am ersten Tag der Schulung lernen Sie die Grundlagen von KI kennen: Was verbirgt sich hinter Neuronalen Netzen, Deep Learning oder Generative AI, wie ist das Feld entstanden, welche Tools können Sie einsetzen und welche gesellschaftliche Dimension hat der Umbruch durch KI?

Der Kurs startet dabei so, dass Sie auch ohne Vorkenntnisse gut folgen können. Aktuelle Entwicklungen werden ebenso behandelt wie praktische Einsatzmöglichkeiten, sowohl im Unternehmen insgesamt als auch in Ihrer persönlichen Arbeit. In Praxisblöcken wenden Sie das Erlernte direkt an. Mit diesen Praxisprojekten und Aufgaben im Multiple-Choice-Format erbringen Sie direkt ab dem ersten Tag Leistungen, die für die Zertifizierung am Ende der Woche zählen.

• Entstehung des Felds KI und aktuelle Entwicklungen
• Begriffe und Definitionen
• Machine Learning: Wie lernen Maschinen?
• Einführung in Deep Learning und dessen Teilgebiete: Image Recognition, Sequenzanalyse, Generative AI, Natural Language Processing, Large Language Models
• Prompt Engineering
• No-Code Tools für KI ohne Programmierung
• Praxis-Übungen

Dienstag

Maschinelles Lernen steht im Fokus des zweiten Tages des Zertifikatskurses. Sie lernen die Funktionsweise unterschiedlicher Algorithmen des klassischen Machine Learnings für strukturierte Daten und wählen passende Modelle zu unterschiedlichen Fragestellungen aus.

Das spannende an selbstlernenden Algorithmen ist ihre vielseitige Einsetzbarkeit in ganz unterschiedlichen Branchen und Fragestellungen. Wir haben diejenigen Modelle ausgewählt, die in der Unternehmenspraxis am häufigsten zum Einsatz kommen und dafür eine weltweite Umfrage unter Data Scientists ausgewertet.

• Überwachtes und unüberwachtes Lernen
• Lineare und logistische Regression
• Decision Trees, Random Forests und Boosted Trees
• Clustering-Methoden
• Wahl des richtigen Modells
• Overfitting erkennen
• Trustworthy AI
• Praxisprojekt Machine Learning

Mittwoch

Deep Learning ist der Teilbereich der künstlichen Intelligenz, in dem es in den letzten Jahren die größten Weiterentwicklungen gab: Algorithmen können Bilder, Text und Sprache erkennen oder auch generieren. Der dritte Tag des Seminars behandelt die wichtigsten Grundlagen dieser tiefen künstlichen neuronalen Netze, bevor Sie an den beiden Folgetagen unterschiedliche Spezialgebiete kennen lernen.

Neben der Theorie erstellen Sie im Tensorflow Playground Ihr erstes eigenes neuronales Netz und entwickeln ein Gefühl für dessen Verhalten. Anschließend lernen Sie komplexere No-Code Tools kennen, um Deep Learning in der Praxis ohne Programmierung zum Einsatz zu bringen.

• Tiefe neuronale Netze
• Funktionen, Anzahl und Größe der Layer
• Aktivierungsfunktionen
• Verlustfunktionen (Loss Function)
• Stochastischer Gradientenabstieg
• Backpropagation
• Praxisprojekt Deep Learning

Donnerstag

Der vierte Tag der Weiterbildung widmet sich allem was mit Bildern zu tun hat, mit einem Schwerpunkt auf Computer Vision. Sie lernen theoretischen Grundlagen wie Convolutional Neural Networks und bringen diese dann in einem Praxisprojekt zum Einsatz. Zum Abschluss wird die Thematik von Bild-Generierung und Deep Fakes beleuchtet.

Mit den am Vortag erlernten Grundlagen können Sie nun also tiefer in eine Spezialisierung des Deep Learning eintauchen. Im Praxisprojekt spielt das Thema Transfer Learning eine Rolle, da Sie auf vortrainierten Modellen aufsetzen können.

• Einführung in Computer Vision
• Anwendungsgebiete: Texterkennung, Objekterkennung, Szeneninterpretation
• Segmentierung, Klassifizierung, Lokalisierung und Objekterkennung
• Convolutional und Pooling Layer
• Transfer Learning
• Kurzimpuls Bild-Generierung und Deep Fakes
• Praxisprojekt Bild-Klassifikation

Freitag

Spracherkennung und -ausgabe sind schon seit einigen Jahren immer besser geworden, mit Generative AI und Large Language Models wie ChatGPT ist nun auch die Sprachgenerierung auf ein neues Level gehoben worden. Im letzten Tag des Workshops widmen wir uns intensiv diesem Thema.

Dabei behandeln wir zunächst die Grundlagen von Generativer KI und des Natural Language Processing. Wir lernen dann mit dem Attention-Mechanismus und Transformen wichtige Bestandteile von Großen Sprachmodellen (LLMs) kennen und behandeln anschließend deren Aufbau und Training. Auch hier Kommt das Gelernte in einem Praxisprojekt zum Einsatz, das ebenso wie die die letzten Multiple-Choice-Aufgaben für Ihr Zertifikat zum Abschluss der Weiterbildung zählt.

• Generative AI
• Natural Language Processing
• Attention-Mechanismus
• Transformer
• Pre-Trained Models
• Fine-Tuning
• Praxisprojekt Natural Language Processing