Künstliche Intelligenz beschreibt den Prozess, mit dem Maschinen kognitive Aufgaben übernehmen, die traditionell menschliche Intelligenz erfordern. Grundlage für Data Scientist:innen ist das Verständnis der Breite des KI-Feldes - von klassischem Machine Learning über Deep Learning bis zu Large Language Models - und der jeweiligen Anwendungsvoraussetzungen. Dieser Kurs vermittelt eine strukturierte Übersicht über das KI-Ökosystem und seine praktischen Implikationen.

Kursinhalt
1. KI-Technologien und ihre Abgrenzung
  • Klassisches Machine Learning vs. Deep Learning vs. Generative KI
  • Stärken und Grenzen verschiedener KI-Ansätze
  • Auswahl von KI-Technologien nach Anwendungsfall

2. KI-Anwendungsfelder in der Industrie
  • Übersicht relevanter KI-Anwendungen nach Branche
  • Use Cases für Vorhersage, Klassifikation und Generierung
  • Einordnung konkreter Problemstellungen in das KI-Methodenspektrum

3. KI-Modelle evaluieren und interpretieren
  • Erklärbarkeit von KI-Modellen und Methoden der Interpretation
  • Bias-Erkennung und Qualitätssicherung in KI-Systemen
  • Evaluation von KI-Ergebnissen auf Angemessenheit und Verlässlichkeit

4. Trends und Entwicklungen im KI-Feld
  • Aktuelle Forschungsschwerpunkte im KI-Bereich
  • Implikationen neuer KI-Technologien für bestehende Analyseaufgaben
  • Einschätzung von Entwicklungspotenzialen und Risiken

Berufliche Relevanz
  • Data Scientist:innen navigieren das KI-Methodenspektrum mit fundiertem Überblick
  • Technologieverständnis verbessert die Auswahl geeigneter KI-Ansätze
  • Kritische Evaluationskompetenz schützt vor unkritischem KI-Einsatz