Prompting + Sprachmodelle + KI-Tools + Python

Diese Weiterbildung bietet einen umfassenden Überblick über fortgeschrittene Techniken im Bereich des Promptings. Dabei werden verschiedene Methoden zur Interaktion mit generativen KI-Modellen beleuchtet und praktische Anwendungen im Kontext von maschinellem Lernen, digitaler Prozessunterstützung und IT-Projektmanagement integriert.

Modul 1: Einführung in das Prompting
Modul 2: GPT Prompting und LLM Prompting im Vergleich
Modul 3: Digitale Prozessunterstützung durch KI-Tools
Modul 4: Einführung in Python
Modul 5: IT-Projektmanagement und digitale Steuerung
Modul 6: Git & GitHub im digitalen Projektumfeld

Einführung in das Prompting
  • Grundlagen des Promptings: Verständnis von Prompting-Techniken, LLMs und Einsatzmöglichkeiten in KI- und Machine-Learning-Kontexten.
  • Prompterstellung mit System: Entwicklung zielführender Prompts für GPT-Modelle, inklusive Struktur, Sprache und Anwendungslogik.
  • Strategien für KI-Interaktion: Einführung in GPT-Prompting, LLM-Prompting und Techniken zur Optimierung von KI-Antwortqualität.
  • Prompting in der Anwendung: Erstellung, Anpassung und Bewertung von Prompts für verschiedene Szenarien und Aufgabenstellungen.

GPT Prompting und LLM Prompting im Vergleich
  • Technische Abgrenzung: Analyse der Unterschiede zwischen GPT-Prompting und LLM-Prompting beim Einsatz von Sprachmodellen.
  • KI-Prompting verstehen: Anwendung von Prompting-Techniken zur Steuerung generativer KI und maschineller Textverarbeitung.
  • Beispiele aus der Praxis: Umsetzung von Prompting-Strategien in LLM-Systemen für Inhalte, Datenanalyse und Automatisierung.
  • Bezug zu Machine Learning: Einordnung von KI-Prompting in neuronale Netze und machine-learning-gestützte Prozesse.

Digitale Prozessunterstützung durch KI-Tools
  • Funktionsweise von KI-Tools: Einsatz für Automatisierung, Datenverarbeitung und smarte Assistenz im digitalen Büro.
  • Smart Work Strukturen: Anwendung von KI-Technologien zur Unterstützung digitaler Transformation und Arbeitsoptimierung.
  • KI im New Work Umfeld: Automatisierung von Routineaufgaben im Kontext von New Work und Low-Code Machine Learning.
  • Projektumsetzung mit Tools: Nutzung von Git, GitHub und IT-Projektmanagement in digitalisierten Arbeitsprozessen.

Einführung in Python
  • Grundlagen der Python-Programmierung: Syntax, Datentypen, Kontrollstrukturen und erste Schritte mit der Python Programmiersprache.
  • Datenanalyse mit Python: Daten einlesen, aufbereiten und analysieren mit Pandas, NumPy und Anwendung statistischer Methoden.
  • Visualisierung mit Python: Darstellung von Daten mit Matplotlib & Seaborn, Einsatz von Boxplot, Histogramm und weiteren Diagrammtypen.
  • Automatisierung & Webscraping: Python-Skripte zur Datenextraktion, REST API-Anbindung und Webscraping für datengestützte Projekte.

IT-Projektmanagement und digitale Steuerung
  • Projekte digital planen: Einsatz von Gantt-Charts, Git und GitHub zur Steuerung digitaler Projekte im IT-Kontext.
  • Agilität im Arbeitsprozess: Einführung in Scrum, Kanban und agile Methoden zur flexiblen Projektbearbeitung im Team.
  • Kommunikation im Projekt: Moderieren und Kommunizieren in digitalen Projektphasen mit Fokus auf Abstimmung und Klarheit.
  • Analyseunterstützte Planung: Anwendung von SWOT und Pivot-Tabellen zur datenbasierten Projektsteuerung und -bewertung.

Git & GitHub im digitalen Projektumfeld
  • Verteilte Codeverwaltung: Einführung in Git-Repositories, Commit-Strukturen und Arbeitsabläufe in der Softwareentwicklung.
  • Zusammenarbeit auf GitHub: Branching, Pull Requests und Versionshistorien im Kontext digitaler Teamarbeit und Projektkoordination.
  • Rollen in IT-Projekten: GitHub als Plattform zur Aufgabenverteilung, Codeverwaltung und Kommunikation in verteilten Projektteams.
  • Digitale Workflows dokumentieren: Git-gestützte Nachverfolgung, Schnittstellen und Abläufe in der digitalen Transformation.

Nach Abschluss der Weiterbildung sind die Teilnehmenden in der Lage, fortgeschrittene Prompting-Techniken zu nutzen, KI-Tools in digitalen Prozessen einzusetzen und Python-Programmierung für Datenanalysen in IT-Projekten anzuwenden.