Spezialisierung Künstliche Intelligenz (KI)

Inhalte des Moduls

Das Modul "Chatbots: Techniken und Anwendungen" bietet Ihnen eine umfassende und praxisorientierte Einführung in die Welt von ChatGPT und ähnlichen Sprachmodellen. Sie lernen sowohl die kostenlosen als auch die kostenpflichtigen Versionen von ChatGPT kennen, einschließlich der Nutzung der ChatGPT-3.5 Benutzeroberfläche und der erweiterten Funktionen der multimodalen ChatGPT-4 Plus UI wie GPT-4Vision und DALL·E 3. Ein Schwerpunkt liegt auf der effektiven Kommunikation mit Chatbots durch Techniken des Prompt Engineerings sowie der Erstellung benutzerdefinierter ChatGPTs (GPTs). Darüber hinaus werden Anwendungen von ChatGPT in verschiedenen Bereichen wie Psychologie, Gesundheitswesen, Marketing, Personalwesen sowie Studium und Lehre untersucht. Für fortgeschrittene Anwender werden Themen wie Datenanalyse mit ChatGPT, Automatisierung von Arbeitsabläufen durch GPT-Aktionen, rechtliche Aspekte wie Urheberrecht und Datenschutz, sowie ein Überblick über andere Chatbots wie Claude und Gemini behandelt. Das Modul zielt darauf ab, Ihnen die Fähigkeiten zu vermitteln, ChatGPT sicher, datenschutzkonform und effektiv in vielfältigen Kontexten einzusetzen.

Vermittelte Kompetenzen

Durch dieses Modul erwerben Sie fundiertes Wissen über die Grundlagen, Funktionen und Mechanismen von ChatGPT und anderen Chatbots. Sie verstehen die Einflussfaktoren auf die Ausgabe von ChatGPT und können die Grenzen dieser Technologien einschätzen und berücksichtigen. Mit den erlernten Techniken des Prompt Engineerings sind Sie in der Lage, effektiv mit autoregressiven Chatbots zu kommunizieren und spezifische Antworten zu generieren. Sie entwickeln Fertigkeiten, um Anwendungen wie Datenanalyse, DALL·E 3 und GPT-4Vision zielführend einzusetzen und benutzerdefinierte ChatGPTs für verschiedene Zwecke zu erstellen. Zudem sind Sie befähigt, den Einsatz von ChatGPT in unterschiedlichen Branchen zu planen und die Leistungsfähigkeit in praktischen Anwendungen kritisch zu bewerten. Im Bereich der Selbstkompetenz erkennen und bewerten Sie die ethischen und datenschutzrechtlichen Aspekte im Umgang mit Sprachmodellen und übernehmen Verantwortung für deren Nutzung, insbesondere hinsichtlich Urheberrechten und künstlerischer Schöpfung. Schließlich stärken Sie Ihre Kommunikations- und Kooperationsfähigkeiten, indem Sie komplexe Inhalte verständlich vermitteln und effektiv in interdisziplinären Teams arbeiten, um innovative Lösungen mit ChatGPT und verwandten Technologien zu entwickeln und umzusetzen.

Inhalte des Moduls

Das Modul "Mathematik für Machine Learning" vermittelt die mathematischen Grundlagen, die für Machine Learning und Data Science unverzichtbar sind. Es beginnt mit einer Einführung in wesentliche Themen wie numerische Berechnungen, lineare Algebra, Differential- und Integralrechnung. Aufbauend darauf werden grundlegende Konzepte der Statistik und Wahrscheinlichkeitsrechnung behandelt, um ein fundiertes Verständnis für Regressionsverfahren und Klassifizierung zu schaffen. Weiterhin wird auf die mathematischen Prinzipien von Algorithmen eingegangen, darunter Datensätze, deren Aufbereitung und Splitting für Trainings- und Validierungsprozesse. Ein besonderer Fokus liegt auf der Anwendung von Metriken zur Modellbewertung und Validierung, einschließlich Schätzern, Resamplingmethoden und mathematischen Grundlagen neuronaler Netze wie Aktivierungsfunktionen und Backpropagation. Praxisorientierte Aufgaben vertiefen das Gelernte und bereiten Sie darauf vor, mathematische Modelle und Machine Learning-Algorithmen in Programmiersprachen wie Python oder R umzusetzen. Ergänzt wird das Modul durch digitale Lernmaterialien, Live-Veranstaltungen und eine individuelle Betreuung im E-Campus.

Vermittelte Kompetenzen

Nach Abschluss des Moduls können Sie mathematische Konzepte wie lineare Algebra, Differential- und Integralrechnung sowie Wahrscheinlichkeitstheorie sicher anwenden, um datenbasierte Probleme zu analysieren und kreative Lösungen zu entwickeln. Sie verstehen die Funktionsweise und Leistungsfähigkeit von Machine Learning-Algorithmen und sind in der Lage, Optimierungstechniken für Modellparameter zu nutzen. Außerdem erwerben Sie die Fähigkeit, mathematische Modelle zu entwickeln, um Muster in Daten zu identifizieren und Vorhersagen zu treffen. Dabei lernen Sie, Fehler in Modellen zu analysieren und gezielte Strategien zur Verbesserung abzuleiten. Ihre Selbstkompetenz wird gestärkt, indem Sie wissenschaftliches Denken auf praktische Anwendungsfälle übertragen und sich kontinuierlich über Entwicklungen im Bereich Machine Learning und Mathematik informieren. Zudem können Sie mathematische Grundlagen und Ergebnisse effektiv kommunizieren und in interdisziplinären Teams arbeiten, um innovative Lösungen für komplexe Herausforderungen zu erarbeiten.

Inhalte des Moduls

Das Modul "Computer Vision" bietet Ihnen eine umfassende Einführung in die Grundlagen der Bildentstehung, Bildverarbeitung und der Computer Vision. Sie lernen, wie digitale Bilder und Videos dargestellt und verarbeitet werden, einschließlich Techniken wie Filterung, Kantenerkennung und morphologische Operationen. Darüber hinaus wird der Umgang mit Aufgaben wie Objekterkennung, Bildklassifizierung, Segmentierung und Mustererkennung vermittelt. Ein besonderer Schwerpunkt liegt auf der praktischen Anwendung von Frameworks wie OpenCV, TensorFlow, PyTorch und anderen Tools, die Ihnen ermöglichen, Algorithmen zu entwickeln und zu implementieren. Anwendungsfälle aus der Medizin, darunter die Klassifizierung von MRT-Bildern und die Detektion von Läsionen, veranschaulichen die Praxisrelevanz. Neben der Theorie gewinnen Sie durch Hands-on-Übungen Erfahrung in der Lösung von realen Problemen, wie Bewegungsanalysen oder der 3D-Rekonstruktion. Ergänzt wird das Modul durch aktuelle Forschungsergebnisse und individuelle Betreuungsmöglichkeiten, um Ihr Wissen praxisnah und auf dem neuesten Stand der Technik zu halten.

Vermittelte Kompetenzen

Das Modul befähigt Sie, die Konzepte der Computer Vision theoretisch und praktisch zu beherrschen. Sie erlernen den Umgang mit Frameworks und Tools zur Bild- und Videoanalyse, darunter auch die Implementierung und Anwendung von Convolutional Neural Networks (CNN) in Python oder R. Die Fähigkeit, Probleme mithilfe von Computer Vision-Techniken zu formulieren und zu lösen, wird ebenso entwickelt wie das kritische Bewerten von Modellen und deren Leistungsmetriken. Sie sind in der Lage, Strategien für Anwendungsfälle zu erarbeiten und diese sowohl fachlich fundiert als auch für unterschiedliche Zielgruppen verständlich zu präsentieren. Zudem fördert das Modul Ihre Fähigkeit zur interdisziplinären Zusammenarbeit und zur Kommunikation komplexer technischer Inhalte an Stakeholder und Teammitglieder. Abschließend erlangen Sie ein tiefes Verständnis der neuesten Entwicklungen und Forschung im Bereich Computer Vision, das Sie für akademische Beiträge oder innovative Industrieprojekte einsetzen können.

Inhalte des Moduls

Das Modul „Bildgenerierende KI“ vermittelt Ihnen ein umfassendes Verständnis der Technologien und Konzepte hinter generativer Kunst und bildgenerierenden Verfahren. Es beleuchtet die historische Entwicklung der generativen Kunst und Künstlichen Intelligenz, erklärt die Funktionsweise verschiedener Modelle, einschließlich Diffusionsmodellen, und bietet eine Einführung in das fortgeschrittene Prompt Design. Sie lernen, gängige Programme und Applikationen praxisnah einzusetzen und beschäftigen sich mit rechtlichen und wirtschaftlichen Fragestellungen wie Urheberrecht und Datenökonomie. Zudem wird die Anwendung der generativen KI in unterschiedlichen Praxisfeldern und ihre kinematografischen Möglichkeiten behandelt. Abschließend wird die Technologie im kulturhistorischen Kontext verortet, um ein ganzheitliches Verständnis der Bedeutung und des Potenzials dieser innovativen Ansätze zu schaffen. Das Modul kombiniert theoretisches Wissen mit praktischen Aufgaben und Projekten, darunter die Erstellung eines Kurzfilms oder Musikvideos als Abschlussarbeit.

Vermittelte Kompetenzen

Nach Abschluss des Moduls sind Sie in der Lage, sich sicher in der Funktionsweise bildgenerierender Modelle zu orientieren und neue Methoden schnell anzueignen. Sie entwickeln die Fähigkeit, die Funktionen und Potenziale neu publizierter Modelle zu erkennen und fundiert zu erklären. Durch die Beherrschung fortgeschrittener Techniken wenden Sie die erlernten Modelle gezielt in beruflichen, kreativen und persönlichen Kontexten an. Ihre digitale Kompetenz wird gestärkt, und Sie erlangen die Fähigkeit, Open-Source-Modelle unmittelbar nach Veröffentlichung einzusetzen und weiterzuentwickeln. Zusätzlich wird Ihre Sozialkompetenz geschärft, indem Sie lernen, die Bedeutung der Technologien klar zu kommunizieren und in internationalen Kooperationen anzuwenden. Die vermittelten Kenntnisse ermöglichen es Ihnen, generative KI-Modelle innovativ und zielgerichtet einzusetzen, um zukunftsweisende Projekte zu realisieren und aktiv zur Weiterentwicklung dieses hochdynamischen Bereichs beizutragen.

Inhalte des Moduls

Das Modul „Deep Dive künstliche Intelligenz“ bietet Ihnen eine umfassende Einführung in die praktischen und theoretischen Grundlagen des maschinellen Lernens mit Python. Sie lernen, grundlegende Toolboxen wie "numpy" und "scipy" anzuwenden, Daten mit "pandas" zu verarbeiten und explorative Datenanalysen durchzuführen. Ein Fokus liegt auf der Implementierung verschiedener maschineller Lernverfahren wie Regression, Random Forest, Support Vector Machines (SVM) und Deep Neural Networks mithilfe von Frameworks wie "scikit-learn" und "keras". Die Verarbeitung natürlicher Sprache wird mit "NLTK" behandelt, und Big Data-Konzepte wie Parallelisierung werden mit "dask" umgesetzt. Zudem lernen Sie, interaktive Datenvisualisierungen und Dashboards mit Tools wie "seaborn", "matplotlib", "bokeh" und "plotly" zu erstellen. Themen wie Computer Vision, Feature Engineering, erklärbare KI und Regularisierungstechniken runden das Modul ab. Die Inhalte werden in Online-Vorlesungen, interaktiven Jupyter-Notebooks und Podcasts vermittelt und durch ein praxisorientiertes Abschlussprojekt vertieft.

Vermittelte Kompetenzen

Das Modul vermittelt Ihnen die Fähigkeit, maschinelle Lernmodelle zu planen, zu implementieren und zu bewerten. Sie erlernen die Organisation und Verarbeitung von Daten mit Python-Frameworks sowie die Anwendung von Methoden wie Regression und Deep Learning. Mit den erlernten Visualisierungstechniken können Sie Ergebnisse ansprechend und interaktiv präsentieren. Sie sind in der Lage, geeignete Datenquellen zu identifizieren, deren Qualität zu beurteilen und ML-Modelle basierend auf spezifischen Aufgabenstellungen auszuwählen und zu trainieren. Zudem gewinnen Sie ein tiefes Verständnis für fortgeschrittene maschinelle Lerntechniken, einschließlich CNNs und der Verarbeitung natürlicher Sprache. Ihre analytischen Fähigkeiten werden gestärkt, sodass Sie komplexe Zusammenhänge verstehen und Lösungen entwickeln können. Das Modul fördert zudem die eigenständige Weiterbildung und den fachlichen Austausch, wodurch Sie in der Lage sind, Ihre Modelle zu verbessern und konstruktives Feedback zu integrieren. Dies befähigt Sie, innovative Lösungen im Bereich der künstlichen Intelligenz erfolgreich umzusetzen.

Inhalte des Moduls

Das Modul „Erklärbarkeit der Künstlichen Intelligenz“ widmet sich der Notwendigkeit und den Ansätzen zur Herstellung von Transparenz und Erklärbarkeit bei KI-Anwendungen. Sie lernen die grundlegenden Konzepte der Explainable Artificial Intelligence (XAI) kennen, einschließlich der Taxonomie, Evaluation und Arten der Erklärbarkeit. Es wird untersucht, welche branchenspezifischen Anforderungen an Erklärbarkeit gestellt werden und wie diese durch interpretierbare Modelle, modellagnostische und beispielbasierte Methoden umgesetzt werden können. Darüber hinaus wird die Interpretation neuronaler Netze und der Ansatz „Explainability by Design“ thematisiert. Anhand praxisnaher Beispiele aus unterschiedlichen Branchen erhalten Sie ein Verständnis für die Herausforderungen und Erfolgsfaktoren der Erklärbarkeit und deren Bedeutung für Transparenz und Sicherheit. Das Modul schließt mit einem Blick in die Zukunft der Erklärbarkeit in der künstlichen Intelligenz, um Ihnen ein tiefgehendes Verständnis für die Relevanz und Entwicklung dieses Themas zu vermitteln.

Vermittelte Kompetenzen

Nach Abschluss des Moduls sind Sie in der Lage, die Bedeutung und Problematik der Erklärbarkeit von KI-Anwendungen branchenspezifisch zu analysieren und geeignete Maßnahmen zu entwickeln. Sie können den Grad der Erklärbarkeit für konkrete Anwendungen evaluieren, geeignete Methoden auswählen und diese praktisch umsetzen. Das Modul befähigt Sie, fundierte Vorschläge für „Explainability by Design“ zu entwickeln und Herausforderungen sowie Risiken bei der Umsetzung kritisch zu reflektieren. Sie erwerben die Fähigkeit, Ergebnisse zielgruppengerecht zu präsentieren und Problemlösungen sachlich und überzeugend zu begründen. Darüber hinaus fördern Sie Ihre Selbstkompetenz, indem Sie Arbeitsschritte strukturieren und Evaluationsergebnisse kritisch bewerten. Diese Kompetenzen ermöglichen es Ihnen, komplexe Themen der Erklärbarkeit in KI-Projekten fachlich fundiert zu adressieren und konstruktiv im interdisziplinären Austausch mitzuwirken.