Dieser Kurs vermittelt, wie gezielte Eingaben für KI-Systeme mit datenwissenschaftlichen Methoden kombiniert werden, um Daten zu verstehen, zu strukturieren und neue Erkenntnisse zu gewinnen. Teilnehmende lernen, wie Prompts entworfen, KI-Ausgaben geprüft und Ergebnisse durch Data-Science-Verfahren validiert und visualisiert werden. Der Kurs fördert ein methodisches Verständnis für das Zusammenspiel zwischen Sprache, Daten und Analyse.

1. Grundlagen - Prompten und Künstliche Intelligenz
2. Datenanalyse und Machine Learning
3. Datenmanagement und Visualisierung
4. Verantwortung und Reflexion
1. Grundlagen - Prompten und Künstliche Intelligenz
  • Einführung in generative Modelle und das Prinzip des Promptings
  • Gestaltung strukturierter Eingaben für konsistente und reproduzierbare Ergebnisse
  • Einfluss von Kontext, Datenqualität und Zieldefinition auf die Modellleistung
  • Abgrenzung zwischen analytischer und generativer Datenverarbeitung

2. Datenanalyse und Machine Learning
  • Kombination generativer KI-Ergebnisse mit datenwissenschaftlichen Verfahren
  • Bewertung von KI-Ausgaben durch statistische Methoden und Modellanalyse
  • Nutzung von Python zur Automatisierung und Validierung von Prozessen
  • Anwendung von Machine-Learning-Techniken zur Verbesserung der Analysequalität

3. Datenmanagement und Visualisierung
  • Verwendung von SQL zur Organisation, Abfrage und Filterung großer Datensätze
  • Aufbereitung generierter Informationen für datenbasierte Entscheidungen
  • Erstellung visueller Analysen und Dashboards zur Darstellung von Zusammenhängen
  • Kombination von Text- und numerischen Daten für nachvollziehbare Ergebnisse

4. Verantwortung und Reflexion
  • Bewertung ethischer und rechtlicher Herausforderungen im Umgang mit generativer KI
  • Reflexion über Bias, Fairness und Transparenz in automatisierten Prozessen
  • Dokumentation und Sicherstellung von Datenintegrität und Ergebnisqualität
  • Verantwortungsvoller Umgang mit Prompt-Techniken in datenbasierten Anwendungen