KI-Seminar

Teil­neh­mende erfah­ren, wie KI einge­setzt werden kann, welche Arbeits­pro­zesse es unter­stützt und welche Voraus­set­zun­gen für den Einsatz von KI nötig sind.

Was sind künst­li­che Intel­li­genz und maschi­nel­les Lernen?

• Schlüs­sel­be­griffe und Konzepte auflö­sen
• Histo­ri­sche Einord­nung: Warum boomt KI gerade jetzt?
• Abgren­zung / Über­schnei­dung zu Begrif­fen, wie z.B. Digi­ta­li­sie­rung, Robo­tic Process Auto­ma­tion (RPA), Data Science, Statis­tik usw.
• Was sind Beispiele für KI / ML? Use Cases im Busi­ness­kon­text (z.B. Kredit­wür­dig­keit prüfen, Kunden­ser­vice, Produk­ti­ons­pro­zesse)
• Chan­cen und Risi­ken

Chan­cen und Risi­ken

• Erste Erfah­run­gen mit ML
• Was bedeu­tet Trai­ning und was hat dieses mit Wahr­schein­lich­kei­ten zu tun?
• Defi­ni­tion von Algo­rith­mus, Modell und Trai­ning
• Beispiel von einem ML-Modell

The Math Behind The Magic

• Was bedeu­tet "Daten" und was sind ihre Haupt­merk­male?
• Grund­la­gen von ML-Opera­ti­o­nen (Lern­ver­fah­ren, Klas­si­fi­zie­rung, Regres­si­o­nen, Opti­mie­run­gen, Simu­la­ti­o­nen)
• Grund­la­gen: Predic­tive Mode­ling
• Grund­la­gen: Opti­mie­rung
• Quick dive into Deep Lear­ning
• Quick dive into Rein­for­ce­ment Lear­ning