Generative AI: Einsteigerkurs

Lernen Sie die Grundlagen von Generative AI (GenAI) kennen und entdecken Sie, wie Sie diese Technologie in realen Anwendungsfällen einsetzen können.

Overview

Dieser eintägige Kurs zu GenAI richtet sich an Fachkräfte aus unterschiedlichsten Bereichen, die ein grundlegendes Verständnis für generative künstliche Intelligenz entwickeln möchten. Es sind keine Vorkenntnisse im Bereich Künstliche Intelligenz (AI = Artificial Intelligence) erforderlich – ideal für alle, die das Innovationspotenzial dieser Technologie entdecken wollen.

What will you learn:

Grundlagen der Generativen KI: Maschinelles Lernen, neuronale Netzwerke, Deep Learning. Grundlagen großer Sprachmodelle: Tokens, Antworten, multimodale Modelle. Generative KI in der Softwareentwicklung. Semantische Suche, Embeddings und RAG (Retrieval-Augmented Generation). Kosten- und Einsatzstrategien. Verarbeitung nicht-textueller Daten mit KI-Werkzeugen.

Dieser einsteigerfreundliche Kurs zu GenAI vermittelt ein klares Verständnis der Grundlagen – wie GenAI funktioniert, welches Potenzial es im Business-Kontext bietet und in welchen Situationen es in der Praxis erfolgreich angewendet werden kann. Ideal für alle, die das Potenzial von GenAI in realen Anwendungsszenarien verstehen und erkunden möchten.

LERNZIELE

Nach Abschluss dieses GenAI-Kurses sind die Teilnehmer in der Lage:

die zentralen Prinzipien von GenAI sowie zugrunde liegende Technologien und praktische Anwendungsfelder zu verstehen,
die Stärken und Grenzen großer Sprachmodelle einzuordnen,
GenAI zur Lösung realer Herausforderungen in verschiedenen Branchen gezielt einzusetzen.

ZIELGRUPPE

Dieser GenAI-Kurs eignet sich ideal für:

Fachbereichsexperten & Business Analysts
Software Engineers (Softwarearchitekten, Softwareentwickler, …)
Data Analysts & Data Scientists
Projektmanager & Produktmanager
Es sind keine speziellen Vorkenntnisse erforderlich.

Duration:

1 Tag

Einführung in Machine Learning, neuronale Netze und Deep Learning
Grundlagen von GenAI und großen Sprachmodellen
Verständnis von Tokens, multimodalen Modellen und strukturierten Antworten
Anwendungsbeispiele von GenAI in der Softwareentwicklung
Semantic Search, Embeddings und Retrieval-Augmented Generation (RAG)
Vergleich von On-Premises- und Cloud-Deployments in Bezug auf Kosten und Performance
Praxisbeispiele und reale Anwendungsszenarien