Webinar: Technologien hinter moderner Sprachverarbeitung & Generativer KI

• IT-Mitarbeiter/innen
• KI-Verantwortliche

In diesem Kurs erhalten Sie ein fundiertes Verständnis für die zentrale Bedeutung von Künstlicher Intelligenz (KI) und erfahren, in welchen Bereichen klassische, statistische Verfahren auch heute noch besonders leistungsfähig sind. Sie gewinnen praxisnahe Einblicke in die Funktionsweise von Machine-Learning-Modellen, lernen die Anforderungen an hochwertige Trainingsdaten kennen und verstehen, wie solche Modelle aus Ihren eigenen Daten lernen können.
Darüber hinaus erleben Sie, wie ein Machine-Learning-Modell in Python trainiert und anschließend auf eigene Daten angewendet wird – ein praxisorientierter Einstieg in das maschinelle Lernen. Abschließend lernen Sie, klassische KI von modernen Deep-Learning-Ansätzen zu unterscheiden, und erhalten ein vertieftes Verständnis für die Konzepte des Finetunings, mit denen sich moderne Deep-Learning-Modelle gezielt an spezifische Anwendungsfälle anpassen lassen.

• Unterscheidung zwischen Supervised und Unsupervised Machine Learning.
• Vorstellung klassischer und bewährter ML-Verfahren.

• Bedeutung der Datenqualität und Methoden zur Datenbereinigung.
• Bezug und Vorbereitung von tabellarischen Datensätzen.

• Live-Demonstration: Training eines Machine-Learning-Modells.
• Anwendung des trainierten Modells auf Beispieldaten.

• Grundkonzepte: Neuronale Netze und die Rolle der "Loss Funktion".
• Einblick in Training, Parameteroptimierung und das Finetuning moderner Modelle (z. B. BERT).

• Herausforderungen wie Overfitting und Misalignment erkennen.
• Ausblick auf weiterführende Themen wie die Bewertung von KI-Modellen (Folgeseminar)

• Grundkenntnisse in einer Programmiersprache (idealerweise Python).
• Ein grundlegendes mathematisches Verständnis für Methoden wie Vektoren und Matrixmultiplikation.