- Erforschung der strategischen Führung in KI- und Data Science-Projekte
- Einblicke in AI Engineering Prozesse und technologische Voraussetzungen
- Typische Verantwortungsbereiche eines KI Officers
- Eingliederung von KI-Lösungen in Geschäftsstrategien und Unternehmensmodelle
Prompt Engineering für kraftvolle KI-Anwendungen
- Erklärung und Methoden des Prompt Engineering für Generative AI
- Erstellung und Verfeinerung wirkungsvoller Prompts für ChatGPT und mehr
- Anwendungsgebiete und Fälle: Textgenerierung, Automatisierung, Kundendienst
- Praktische Übungen zur Entwicklung und Prüfung von praxisgerechten Prompts
Projektmanagement im Künstliche Intelligenz Engineering
- Lenkung und Planung von KI Methoden mit agilen Ansätzen
- Erfolgreiche Kooperation in interdisziplinären Künstliche Intelligenz & Data Science Teams
- Risikomanagement und Qualitätssicherung in KI Engineering Projekten
- Beobachtung der KI-Leistung und ständige Optimierung
Technische Prinzipien für KI Officer
- Grundlagen in Python, Machine Learning und Deep Learning verstehen
- Einleitung in Datenanalyse und Visualisierung mit Pandas, SQL, Seaborn
- Schlüsseltechnologien im KI Engineering: TensorFlow, Docker, Cloud-Infrastrukturen
- Verständnis für technologische Herausforderungen bei Künstliche Intelligenz Projekten entwickeln
Ethik und Datenschutz im Umgang mit Künstliche Intelligenz
- Ethische Fragestellungen und Herausforderungen bei Einsatz von KI
- Datenschutz und Gesetzeskonformität: DSGVO-treue KI-Systeme
- Verantwortungsvolle Anwenden von Data Science und KI
- Risiken erkennen und verantwortungsbewusst managen
Generative AI und Innovation in Künstliche Intelligenz
- Generative Künstliche Intelligenz: Mechanismen und Innovationsmöglichkeiten verstehen
- Nutzung von GPT-Modellen in Unternehmenskontexten (Content-Erzeugung, Automatisierung)
- Einsatz kreativer KI-Anwendungen im Firmenumfeld
- Erfolgsbeispiele von Prompt Engineering und Generative AI Projekten
Operationalisierung von Künstliche Intelligenz Lösungen
- Einsatz und Bereitstellung von KI-Modellen mit Docker und Cloud-Tools
- CI/CD und MLOps: kontinuierliche Integration und Automatisierung fördern
- Model-Monitoring und Drift-Identifizierung für gradlinige KI-Produkte
- Best-Practices zur nachhaltigen Erhaltung und Skalierung von KI-Systemen
Praxisprojekt: KI-Management und Prompt Engineering Anwendung
- Selbstständige Planung und Ausführung eines realen KI-Projekts
- Erstellung und Verwendung von Prompt Engineering Strategien
- Teamarbeit, Projektsteuerung und Darstellung vor Stakeholdern
- Simulation der Rolle eines KI Officers in einem Unternehmen