Detaillierte Informationen zum Seminar
Inhalte:
- Grundlagen: Was sind handlungsrelevante Erkenntnisse und wie übersetze ich Geschäftsfragen in Daten und KI Use Cases?
- Top down vs. Bottom up: Vorgehensmodelle für Data Science Projekte und wie Fachlichkeit und Technik sinnvoll zusammenspielen.
- Datenbasis: Anforderungen an Datenqualität, Data Governance und Datenschutz als Fundament für belastbare Modelle.
- Methodenüberblick: Klassisches Machine Learning, Unsupervised und Self Supervised Learning, Generative AI und große Sprachmodelle.
- Methodenwahl in der Praxis: Wann einfache Modelle ausreichen, wann komplexe Verfahren nötig sind und wie man Grenzen von KI realistisch einschätzt.
- Erwartungsmanagement: Realistische Zielbilder und typische Stolpersteine in KI Projekten
Ziele/Bildungsabschluss:
Nach dem Seminar können Sie:
- fachlich getriebene KI-Use-Cases klar formulieren und messbar übersetzen
- geeignete Methoden und Technologien für unterschiedliche Fragestellungen auswählen
- Chancen und Grenzen aktueller KI-Ansätze realistisch einschätzen
- typische Stolpersteine in KI-Projekten frühzeitig erkennen
- Ergebnisse von KI-Projekten sachlich bewerten und einordnen
Teilnahmevoraussetzungen:
Grundlegendes Verständnis von Künstlicher Intelligenz, Keine technischen oder mathematischen Detailkenntnisse erforderlich
Zielgruppe:
Fachliche Entscheider:innen aus Business-Bereichen, die KI- oder Data-Science-Projekte initiieren möchten, Projektleiter:innen und (IT-)Manager:innen, die KI-Vorhaben koordinieren und zwischen Fachbereich, IT und Data Science vermitteln, Data Scientists, Data Analysts und BI-Spezialist:innen, die ihre Arbeit stärker an fachlichen Zielstellungen ausrichten wollen
Seminarkennung:
KI-02
