KI – Chancen und Risiken

Künstliche Intelligenz ist eine transformative Technologie, die in naher Zukunft in eine Vielzahl von Softwareanwendungen integriert werden kann. Dies bringt jedoch nicht nur die versprochenen Vorteile mit sich, sondern birgt auch erhebliche Risiken.

Ziel:Die Teilnehmerinnen und Teilnehmer lernen eine aktuelle Auswahl existierender KI-Dienste und deren typische Einsatzszenarien kennen. Der Schwerpunkt liegt auf den Grundlagen und dem Workflow des maschinellen Lernens.
Das vermittelte Wissen ist daher weitgehend KI-Anbieter- und Technologie-Stack-unabhängig und allgemein anwendbar. Der Kurs behandelt sowohl aktuelle Hype-KIs wie ChatGPT und GPT4 als auch Modelle aus anderen Anwendungsbereichen, z.B. aus der Bilderkennung und -verarbeitung. Praktische Übungen beinhalten nicht nur eine Reflexion der erlernten Theorie, sondern auch eine Einführung in die Verwendung der Modelle von OpenAI.
Inhalte:Was ist Künstliche Intelligenz?

Beispiele Künstlicher Intelligenz, welche die Anwendungsbreite darlegen
Supervised, Unsupervised und Reinforcement Learning
Generative- vs. Prädiktive-KI
Embeddings und Vektordatenbanken, z.B. für KI-basierte Suchanwendungen
Fallstudie: Wie DeepBlue den Schachweltmeister geschlagen hat.
Praktische Aufgabe: Anwendungsbereiche in der eigenen Branche erkennen
Von Linearer Regression zu Künstlichen Neuronalen Netzwerken
Wie Maschinen von Daten lernen
Was ist ein Künstliches Neuronales Netzwerk
Anwendungsbeispiele Künstlicher Neuronaler Netzwerke
Stärken von Künstlichen Neuronalen Netzwerken und Künstlicher Intelligenz
Fallstudie: Wie funktioniert ChatGPT?
Der Workflow des Maschinellen Lernens
Training, Validierung und Testen von Modellen
Finetuning bestehender Modelle
Transfer-Learning von bestehenden Modellen
Praktische Aufgabe: Halluzinationen großer Sprachmodelle
Schwächen von Künstlichen Neuronalen Netzwerken
Unsicherheiten in Vorhersagen
Erklärbarkeit von Vorhersagen
Probleme mit unbekannten Daten
Bias (Voreingenommenheit)
Praktische Aufgabe: Beispiele von AI-Missbrauches
Ökonomische Aspekte Künstlicher Intelligenz
Kosten in Maschinellem Learning
Selbstverbessernde Systeme und KI-Skaleneffekte
Rechtliche und Ethische Fragen ohne offensichtliche Lösungen
Fallstudie: Teslas Selbstfahrende Autos
Bekannte Services
Grosse Textmodelle (GPT3 und 4, ChatGPT, Bart, LLaMA …)
Bilderzeugungs-Modelle (DALL·E 2, Stable Diffusion, …)
Transkriptions-Modelle (Whisper)
Simple und günstige Alternativen (FastText, Vortrainierte Bild-Erkennung, …)
Praktische Aufgabe: Prompting für Sprach- und Bildmodelle
Methodik:Besonderer Wert wird auf die Behandlung konkreter Fallbeispiele aus dem beruflichen Alltag der TeilnehmerInnen gelegt. Der Trainingsprozeß verläuft im Wechsel von TrainerInput, medialer Präsentation und Einzel-/Gruppenarbeit sowie Übungen.Die Bereitschaft zur persönlichen Auseinandersetzung ist erwünscht.
Investition:
840.– € ( zzgl. 134,40 € MwSt.) / 2 Tage  
Termine:Die aktuellen Termine erfragen Sie bitte bei uns. Anmeldungen werden in der Reihenfolge ihres Eingangs berücksichtigt. Die Teilnehmerzahl ist auf max. 10 Personen begrenzt! Sichern Sie sich Ihre Teilnahme frühzeitig!
Sie können sich die Seminarbeschreibung als PDF-Datei downloaden