Applied Generative AI Specialization (In Zusammenarbeit mit Michigan Engineering Professional Education & Microsoft)

Bootcamp zur Spezialisierung in angewandter generativer KI

In Zusammenarbeit mit Michigan Engineering Professional Education, University of Michigan Online und Microsoft

• Entwickeln Sie das Fachwissen, um KI-Agenten zu entwerfen und zu entwickeln, die autonom denken, planen und agieren können.
• Nehmen Sie an interaktiven Meisterklassen teil, die von Branchenexperten geleitet werden
• 16-wöchiges Programm (8–10 Wochenendkurse pro Woche)
• Fragen Sie uns nach der nächsten Kohorte und den Details zum Zeitplan!

Die Spezialisierung in angewandter generativer KI in Zusammenarbeit mit Michigan Engineering Professional Education ist ein praxisorientiertes Programm, das Fachleuten dabei helfen soll, praktische, skalierbare und verantwortungsvolle generative KI-Lösungen zu entwickeln. Die Spezialisierung ist ideal für IT- und Datenexperten, Produkt- und Programmmanager, Berater und Technologen am Anfang ihrer Karriere und konzentriert sich auf die Anwendung von GenAI auf reale geschäftliche und technische Herausforderungen.

Der Lehrplan umfasst Python-Grundlagen, KI-Kenntnisse, generative KI-Modelle und -Architekturen, LLM-Anwendungsentwicklung, agentenbasierte KI und GenAI-Governance. Die Lernenden sammeln Erfahrungen mit fortgeschrittenen Techniken wie Prompt Engineering, Retrieval-Augmented Generation (RAG) und Modell-Feinabstimmung, während sie Best Practices für Transparenz, Fairness, Sicherheit und die Einhaltung gesetzlicher Vorschriften anwenden.

Absolventen erhalten anerkannte Zertifikate von Michigan Engineering Professional Education und Microsoft Azure, die ihre Fähigkeit zum Entwerfen, Implementieren und Leiten von KI-gesteuerten Transformationen in Unternehmen bestätigen.

Wichtige Merkmale

• Kurs und Material sind in englischer Sprache
• in Zusammenarbeit mit Michigan Engineering Professional Education Online
• Mittelstufe bis Fortgeschrittenenstufe
• 16-wöchiges Programm (5-6 Stunden/Woche Wochenendunterricht)
• Über 70 Stunden Live-Unterricht unter Leitung von Branchenexperten
• Über 300 Stunden Lernzeit und Übung empfohlen
• 1 Jahr Zugang zum Kurs und Aufzeichnungen der Sitzungen
• Arbeiten Sie mit über 12 modernen KI-Tools, darunter OpenAI, Stable Diffusion, Microsoft Copilot und Streamlit
• Erhalten Sie ein Microsoft-Kursabschlusszertifikat, das auf dem MS Learn-Portal gehostet wird
• Programmabschlusszertifikat von Michigan Engineering Professional Education Online.
• Sichern Sie sich ein digitales Abzeichen von Michigan Eng Pro-Ed

Ansprechende Lernerfahrung

• Interaktion mit Gleichgesinnten
• Genießen Sie eine echte Unterrichtsatmosphäre, indem Sie über Slack in Echtzeit mit anderen Lernenden und Mentoren in Kontakt treten.
• Flexibles Lernen
• Verpassen Sie nichts – greifen Sie jederzeit auf aufgezeichnete Sitzungen zu, um den Anschluss an Ihre Mitstudierenden nicht zu verlieren.
• Mentoring-Sitzungen
• Erhalten Sie fachkundige Unterstützung von Mentoren, um Fragen zu klären, Projektberatung zu erhalten und Ihren Lernprozess zu optimieren.
• Engagierte Unterstützung
• Profitieren Sie von einem Kohortenmanager, der Ihnen persönliche Unterstützung bietet und dafür sorgt, dass Sie auf dem Weg zum Erfolg bleiben.

Über die University of Michigan

Die University of Michigan ist eine führende öffentliche Forschungsuniversität in den Vereinigten Staaten, die weltweit für ihre akademische Exzellenz, Innovation und Führungsrolle in Wissenschaft und Technik anerkannt ist. Michigan Engineering Professional Education, Teil des College of Engineering der Universität, bietet branchenorientierte Programme unter der Leitung von erfahrenen US-amerikanischen Dozenten an, die Fachleuten und Führungskräften helfen, modernste Forschungs- und Ingenieurpraktiken auf reale geschäftliche und technologische Herausforderungen anzuwenden.

Welchen Mehrwert bringt die University of Michigan in das Programm ein?

Der Lehrplan des Programms wird von Michigan Engineering Professional Education geprüft und genehmigt. Bitte beachten Sie, dass die Live-Kurse nicht von tatsächlichen Fakultätsmitgliedern der Universität, sondern von vielen erfahrenen Branchenexperten gehalten werden. Die Dozenten selbst sind keine Mitarbeiter der University of Michigan. Über die Genehmigung der Inhalte hinaus überwacht Michigan Engineering Professional Education auch die Bewertung der Dozenten, die Qualitätssicherung, die Zufriedenheit der Lernenden und die Gesamtergebnisse des Programms, was dem Programm Qualität und Legitimität verleiht und zu einem gemeinsamen Abschlusszertifikat führt.

Lernziel

• Aufbau einer soliden Programmiergrundlage zum Schreiben, Ausführen und Optimieren von Python-Code für KI- und ML-Anwendungen
• Entwicklung eines fundierten Verständnisses von KI, maschinellem Lernen und generativen KI-Konzepten, einschließlich ethischer Überlegungen und Anwendungsfällen aus der Praxis
• Erforschung generativer Modelle wie variationaler Autoencoder (VAEs), generativer gegnerischer Netzwerke (GANs) und großer Sprachmodelle (LLMs)
• Anwendung fortgeschrittener Prompt-Engineering-, Retrieval-Augmented-Generation (RAG)- und Fine-Tuning-Techniken für praktische LLM-Anwendungen
• Arbeiten mit agentenbasierten Frameworks zum Entwerfen und Erstellen intelligenter KI-Agenten mit LangChain
• Implementierung von Best Practices für KI-Transparenz, Fairness, Sicherheit und Einhaltung gesetzlicher Vorschriften
• Verwenden Sie Stable Diffusion und Autoencoder, um hochwertige Bilder zu erstellen und das kreative Potenzial der KI zu erweitern
• Entwerfen, entwickeln und implementieren Sie verantwortungsbewusste KI-gesteuerte Lösungen, um reale geschäftliche Herausforderungen zu bewältigen
• Sammeln Sie praktische Erfahrungen mit Tools wie Gemini, FAISS, Azure AI Studio und Hugging Face

Behandelte Fähigkeiten

• Prompt Engineering
• Agentische Frameworks
• KI-Agenten
• Retrieval-Augmented Generation (RAG)
• LangChain für Workflow-Design
• Stable Diffusion & KI-Bildgenerierung
• LLM-Feinabstimmung
• Variational Autoencoders (VAEs)
• Generative Adversarial Networks (GANs)
• Aufmerksamkeitsmechanismen
• Transformatoren
• LLM-Benchmarking
• GenAI-Anwendungsentwicklung
• GenAI-Governance
• Model Context Protocol (MCP)

Zielgruppe:

Dieses Programm richtet sich an Berufstätige aus verschiedenen Branchen und mit unterschiedlichem Hintergrund und fördert eine kollaborative und ansprechende Lernatmosphäre. Da generative KI sowohl für Anfänger als auch für erfahrene Experten eine vielversprechende Karriereperspektive darstellt, eignet sich die Spezialisierung „Angewandte generative KI” besonders für Personen, die über grundlegende Programmierkenntnisse und eine analytische Denkweise verfügen und ihre Fähigkeiten im Bereich der neuesten Innovationen der generativen KI verbessern möchten, darunter:

• IT-Fachleute
• Datenanalysten
• Business-Analysten
• Datenwissenschaftler
• Softwareentwickler
• Analytik-Manager
• Dateningenieure
• Produktmanager
• Programmmanager
• Technische Berater

Voraussetzungen:

• Mindestalter 18 Jahre mit Abitur (oder gleichwertigem Abschluss)
• Grundlegende Kenntnisse in Programmierkonzepten und Mathematik
• Idealerweise mindestens 2 Jahre Berufserfahrung, jedoch nicht zwingend erforderlich

Lernpfad

1. Python-Auffrischungskurs mit KI (optional)
2. KI-Kenntnisse
3. Fortgeschrittene generative KI – Modelle und Architektur
4. Fortgeschrittene generative KI – Aufbau von LLM-Anwendungen
5. Agentische KI-Frameworks mit Modellkontext und Tooling-Protokollen
6. Fortgeschrittene generative KI – Bildgenerierung
7. Governance generativer KI
8. Capstone-Projekt

Wahlfächer

1. Microsoft Azure AI-Grundlagen: Generative KI
2. Aufbau einer Grundlage zur Erweiterung von Microsoft 365 Copilot
3. Meisterklasse

DETAILS ZUM KURSINHALT

Kurs 1: Python-Auffrischung mit KI

Python ist die zentrale Programmiersprache hinter der KI-Entwicklung, sodass dieser Kurs ein wichtiger Ausgangspunkt für die angewandte generative KI ist. Durch die Beherrschung der Python-Grundlagen erwerben Sie eine solide technische Grundlage, um sich mit dem Training, der Bereitstellung und der Governance von KI-Modellen vertraut zu machen.

Lernziele

• Schreiben und Ausführen von Python-Programmen zur Bewältigung realer Herausforderungen
• Verwenden von Datentypen, Operatoren und Kontrollstrukturen zur Erstellung effizienter Codes
• Anwenden von Funktionen, Schleifen und Fehlerbehandlung für gut strukturierte Programme
• Effektives Verwalten von Dateien für KI- und Machine-Learning-Anwendungen
• Aufbauen der für die KI-Modellentwicklung erforderlichen Kernkompetenzen im Bereich Codierung

Behandelte Themen

• Einführung in die Python-Programmierung
• Python-Datentypen und -Operatoren
• Bedingte Anweisungen und Schleifen
• Fehler- und Dateiverwaltung
• Python-Funktionen

Kurs 2: KI-Kompetenz

Aufbauend auf soliden Python-Grundkenntnissen verbindet der Kurs „KI-Kompetenz” die Grundlagen der Programmierung mit realen KI-Anwendungen. So lernen Sie, die Machbarkeit von KI zu bewerten, KI-generierte Ergebnisse zu verfeinern und KI-Lösungen in praktische Geschäfts- und Kreativszenarien zu integrieren.

Lernziele

• Unterscheiden Sie zwischen KI-, maschinellem Lernen- und Deep-Learning-Konzepten
• Untersuchen Sie wichtige KI-Durchbrüche und deren Einfluss auf Innovationen in der Industrie
• Verstehen Sie, wie Transformer und NLP moderne KI-Anwendungen antreiben
• Wenden Sie generative KI-Techniken auf praktische Anwendungsfälle aus der realen Welt an
• Entdecken Sie das Open-Source-Ökosystem für generative KI mithilfe der Plattform Hugging Face
• Bewerten Sie ethische, sicherheitsrelevante und governancebezogene Aspekte der KI
• Verwenden Sie ChatGPT und andere GPT-Modelle in einer Reihe von Geschäftsanwendungen

Behandelte Themen

• Überblick über KI, ML und DL
• Fortgeschrittene KI-Modelle, Transformer und NLP
• Grundlagen der generativen KI
• Einführung in die Open-Source-Landschaft von GenAI
• KI-Sicherheit, Ethik und zukünftige Trends
• Einführung in Prompt Engineering
• Praktische Demos: GPTs und KI in der Wirtschaft

Kurs 3: Fortgeschrittene generative KI: Modelle und Architektur

Nachdem Sie sich grundlegende KI-Kenntnisse angeeignet haben, befasst sich dieser Kurs mit Modellen und Architekturen, um Ihr technisches Verständnis der Funktionsweise moderner KI-Systeme zu vertiefen. Er behandelt generative Modelle und Transformer-basierte Architekturen und vermittelt Ihnen fundierte Kenntnisse über LLMs und Aufmerksamkeitsmechanismen, damit Sie KI-Modelle für reale Anwendungen entwerfen, feinabstimmen und optimieren können.

Lernziele

• Untersuchen Sie die Bedeutung generativer KI und ihren Einfluss auf verschiedene Branchen.
• Unterscheiden Sie zwischen generativen Modellen wie VAEs, GANs und Transformatoren.
• Analysieren Sie die Architektur, Trainingsmethoden und das Betriebsverhalten großer Sprachmodelle (LLMs).
• Wenden Sie Aufmerksamkeits- und Multi-Head-Aufmerksamkeits-Techniken innerhalb von Transformer-Modellen an.
• Entwerfen Sie skalierbare generative KI-Workflows mit LangChain.
• Implementieren Sie Feinabstimmungsansätze, um KI-Modelle für spezielle Anwendungsfälle anzupassen.
• Bewerten Sie die zukünftigen Auswirkungen und die Entwicklung generativer KI

Behandelte Themen

• Einführung in generative KI-Modelle
• Wie generative KI funktioniert
• Bewertung der Modellqualität in generativer KI
• Große Sprachmodelle (LLMs) und zukünftige Überlegungen
• VAEs und GANs – Trainingsprozess
• Aufmerksamkeitsmechanismen und Transformer: Bild- und Textgenerierung
• LangChain und Workflow-Design

Kurs 4: Fortgeschrittene generative KI: Aufbau von LLM-Anwendungen

Nachdem Sie sich mit LLM-Modellen und -Architekturen vertraut gemacht haben, widmet sich dieser Kurs der praktischen Anwendung. Aufbauend auf Ihren Grundkenntnissen sammeln Sie praktische Erfahrungen mit der Implementierung von LLM-basierten Lösungen und lernen, wie Prompt Engineering, LangChain-Frameworks und Feinabstimmungstechniken die Erstellung leistungsstarker KI-Anwendungen für praktische Anwendungsfälle ermöglichen.

Lernziele

• Entwerfen und implementieren Sie optimierte Prompts, um die LLM-Leistung zu verbessern.
• Wenden Sie fortgeschrittene Prompt-Engineering-Methoden wie Zero-Shot, Few-Shot, Chain-of-Thought, Self-Consistency und Tree-of-Thought an.
• Verwenden Sie LangChain, um LLM-basierte Anwendungen zu erstellen und zu optimieren.
• Entwickeln und implementieren Sie RAG-Systeme (Retrieval-Augmented Generation) für eine effektive Wissensgewinnung.
• Feinabstimmung und Anpassung von LLMs für domänenspezifische Anwendungsfälle
• Bewertung und Überwachung der LLM-Leistung in verschiedenen Anwendungen

Behandelte Themen

• Fortgeschrittenes Prompt Engineering
• Fortgeschrittene Prompting-Techniken
• LangChain für LLM-Anwendungen
• Vektorspeicher, Retriever und LangChain-Agenten
• RAG mit LangChain
• LLM-Feinabstimmung und -Anpassung

Kurs 5: Agente KI-Frameworks mit Modellkontext und Tooling-Protokollen

Nachdem Sie sich die Grundlagen der wichtigsten LLM-Anwendungsfälle angeeignet haben, geht dieser Kurs zur nächsten Phase der generativen KI mit agentenbasierten Systemen und protokollbasierten Integrationen über. Sie sammeln praktische Erfahrungen beim Entwerfen intelligenter Agenten, beim Definieren von Orchestrierungslogik und beim Verbinden dieser Agenten über sichere, herstellerneutrale Frameworks unter Verwendung von MCP, während Sie mit Tools wie LangGraph, AutoGen und CrewAI arbeiten, um flexible, toolunabhängige Systeme aufzubauen.

Lernziele

• Verstehen Sie die Entwicklung der agentenbasierten KI und ihre grundlegenden Prinzipien des Systemdesigns.
• Entdecken Sie Wahrnehmungsschichten, Schlussfolgerungsmaschinen und Workflows zur Ausführung von Aktionen.
• Erstellen und konfigurieren Sie AutoGen-Agenten für Multi-Agent-Schlussfolgerungen und -Zusammenarbeit.
• Verwenden Sie LangGraph für Aufgabenrouting, Orchestrierungslogik und Automatisierungspipelines.
• Erfahren Sie, wie MCP eine standardisierte, plattformübergreifende Tool-Integration ermöglicht.
• Wenden Sie sichere Protokolle, SDKs und Governance-konforme Implementierungspraktiken an.
• Erstellen Sie strukturierte Agenten-Workflows und Multi-Agent-Teams mit CrewAI.

Behandelte Themen

• Kernkonzepte der agentenbasierten KI: Eigenschaften und reale Anwendungen
• LangGraph: Aufgabenknoten, Parallelität und Orchestrierungsabläufe
• CrewAI: Team-basierte Agenten, Toolchains und Aufgabenkoordination
• Best Practices: Zugriffskontrolle, On-Prem-Bereitstellungen und Compliance-Strategien
• LLM-Agentenarchitektur: Wahrnehmungs-, Schlussfolgerungs- und Ausführungsmodule
• AutoGen: Anpassbare Agentensysteme und kollaborative Aufgaben
• MCP: Messaging-Protokolle, Interoperabilität und sichere SDK-Frameworks

Kurs 6: Fortgeschrittene generative KI: Bildgenerierung

Nach der Erstellung autonomer KI-Agenten liegt der Schwerpunkt nun auf der Verbesserung ihrer Fähigkeit, hochwertige Bilder zu erzeugen. Durch das Erlernen von Bildgenerierungstechniken können Agenten visuelle Inhalte generieren, verfeinern und optimieren und so die Leistungsfähigkeit der KI-gesteuerten Automatisierung erweitern.

Lernziele

• Erläutern Sie die Grundlagen von Stable Diffusion, Rauschunterdrückungsmethoden und Autoencodern für die Bilderzeugung.
• Verwenden Sie Stable Diffusion-Modelle, um aus Textvorgaben hochwertige Bilder zu erstellen.
• Implementieren Sie gemeinsame Einbettungsräume, um multimodale KI-Fähigkeiten zu stärken.
• Entwerfen Sie benutzerdefinierte KI-generierte Bilder für eine Vielzahl praktischer Anwendungen.

Behandelte Themen

• Stable Diffusion und Rauschunterdrückung
• Autoencoder und kontrastives Lernen
• Gemeinsame Einbettungsräume für die Bilderzeugung
• Praktische Anwendungen

Kurs 7: Generative KI-Governance

Da KI-generierte Inhalte immer ausgefeilter werden, ist es von entscheidender Bedeutung, KI-Systeme zu entwickeln, die ethisch, sicher und transparent sind. Dieser Kurs erweitert die vorhandenen technischen Fähigkeiten, indem er Governance-Fragen, regulatorische Anforderungen und Best Practices für den verantwortungsvollen Einsatz generativer KI untersucht. Ein solides Verständnis der KI-Governance trägt dazu bei, Risiken zu reduzieren, das Vertrauen der Nutzer zu bewahren und die Compliance in Branchen zu gewährleisten, die KI-generierte Visualisierungen und multimodale Modelle einsetzen.

Lernziele

• Erkennen Sie die Bedeutung der Governance in der generativen KI und ihre Rolle bei der Förderung einer ethischen KI-Entwicklung.
• Identifizieren Sie die wichtigsten Herausforderungen in KI-Systemen, darunter Voreingenommenheit, Fehlinformationen, Datenschutz und Sicherheitsrisiken.
• Implementieren Sie ethische Rahmenbedingungen und Governance-Prinzipien, um Fairness, Transparenz und Verantwortlichkeit zu gewährleisten.
• Bewerten Sie KI-Governance-Strukturen und wenden Sie bewährte Verfahren an, um potenzielle Risiken zu mindern.
• Beachten Sie rechtliche Aspekte wie geistiges Eigentum, Datenschutz und die Einhaltung gesetzlicher Vorschriften.
• Entwerfen und wenden Sie ein KI-Governance-Framework für den verantwortungsvollen Einsatz von KI in der Praxis an.

Behandelte Themen

• Grundlagen der Governance generativer KI
• Ethische Rahmenbedingungen und KI-Grundsätze
• Datenschutz, Voreingenommenheit und Fairness in KI-Systemen
• Governance-Strukturen und Ausschüsse
• Rechtliche Risiken und Compliance im Zusammenhang mit KI
• Zukunft der KI-Governance und -Implementierung

Capstone-Projekt

Das Capstone-Projekt bildet den Abschluss Ihrer Lernreise. Sie werden die im Laufe des Programms erworbenen Fähigkeiten nutzen, um eine voll funktionsfähige generative KI-Lösung zu entwickeln und dabei ethische Überlegungen, die Reduzierung von Voreingenommenheit und die Einhaltung gesetzlicher Vorschriften berücksichtigen. Dieses Projekt gewährleistet ein solides technisches Verständnis von KI und die Fähigkeit, Governance-Prinzipien in realen Kontexten anzuwenden. Durch die Kombination von verantwortungsbewussten KI-Praktiken mit praktischer Umsetzung bereitet Sie das Capstone-Projekt darauf vor, selbstbewusst KI-Lösungen zu entwickeln, die ethisch, sicher und sowohl auf die Geschäftsziele als auch auf die gesellschaftlichen Bedürfnisse abgestimmt sind.

Branchenprojekte

• KI-gestützter Business-Intelligence-Assistent (InsightForge)
• KI-gestützter HR-Chatbot
• KI-gesteuertes Designstudio für Marketingkampagnen
• KI-gestützter Nachrichten- und Informationsassistent
• Python-Abenteuerspiel mit GitHub Copilot
• Interaktives Storytelling mit ChatGPT
• Kundenauftragsanalyse mit Python

Wahlfächer:

Wahlfach 1: Microsoft Azure AI Fundamentals: Generative KI

Microsoft Azure bietet eine Reihe robuster Tools und Dienste für die Entwicklung und Bereitstellung generativer KI-Anwendungen. Dieser Lernpfad behandelt die Kernkonzepte, zugrunde liegenden Technologien und ethischen Überlegungen der generativen KI und vermittelt Ihnen die Grundlagen, um deren reale Anwendungen zu erkunden.

Lernergebnisse:

• Erfahren Sie, wie große Sprachmodelle das Rückgrat generativer KI bilden.
• Entdecken Sie das Azure AI Foundry-Portal, um auf modernste generative KI-Tools zuzugreifen.
• Verstehen Sie, wie KI-gestützte Copiloten die Produktivität und Effizienz steigern können.
• Untersuchen Sie die Verwendung von Prompts und Response Tuning zur Optimierung KI-generierter Inhalte.
• Erhalten Sie Einblicke in die Prinzipien von Microsoft für verantwortungsvolle KI und deren Rolle bei der ethischen KI-Entwicklung.

Behandelte Themen

• Microsoft Azure AI Fundamentals: Generative KI
• Grundlagen von GenAI
• Entdecken Sie generative KI mit Microsoft Copilot
• Planen, vorbereiten und entwickeln Sie KI-Lösungen auf Azure
• Verantwortungsvolle generative KI
• Messen, mindern und identifizieren Sie potenzielle Schäden
• Inhaltsfilter in Azure AI Studio

Wahlfach 2: Schaffen Sie eine Grundlage für die Erweiterung von Microsoft 365 Copilot

Microsoft 365 Copilot ist ein leistungsstarkes KI-Tool, das durch die Integration in tägliche Arbeitsabläufe die Produktivität steigert. In diesem Kurs lernen Sie, wie Sie die Funktionen von Copilot mithilfe von Microsoft Graph-Konnektoren und benutzerdefinierten Engine-Copilots erweitern können. Am Ende des Kurses sind Sie in der Lage, fundierte Entscheidungen zu Entwicklungsstrategien zu treffen und Agenten im Microsoft 365 Admin Center effizient zu verwalten.

Lernziele:

• Entdecken Sie die Architektur und das Design von Microsoft 365 Copilot.
• Lernen Sie, Copilot mithilfe von Agenten, Konnektoren und Plugins zu erweitern.
• Wählen Sie den besten Entwicklungsansatz für Copilot-Erweiterungen unter Berücksichtigung von Sicherheit und Datenschutz.
• Verstehen Sie, wie Microsoft Graph-Konnektoren die Suchfunktionen verbessern.
• Entwickeln Sie Fähigkeiten zur effektiven Verwaltung von Agenten über das Microsoft 365 Admin Center.

Behandelte Themen

• Untersuchen Sie das Design von Microsoft 365 Copilot
• Grundlagen der Erweiterbarkeit von Microsoft 365 Copilot
• Wählen Sie einen Entwicklungsweg für die Erweiterbarkeit von Microsoft 365 Copilot
• Einführung in Graph-Konnektoren
• Einführung in deklarative Agenten für Microsoft 365 Copilot
• Verwalten von Agenten für Microsoft 365 Copilot

Wahlfach 3: Meisterklasse

Nehmen Sie an einer exklusiven interaktiven Online-Meisterklasse unter der Leitung von Branchenexperten teil und gewinnen Sie wichtige Einblicke in die neuesten generativen KI-Technologien und -Innovationen. Erfahren Sie, wie KI Branchen umgestaltet, Kreativität fördert und den Fortschritt vorantreibt. Nehmen Sie an Live-Diskussionen teil und entdecken Sie praktische Anwendungen, um an der Spitze der KI-Revolution zu bleiben.

HÄUFIG GESTELLTE FRAGEN

Wie wird das Programm durchgeführt?

Der Kurs wird vollständig online in Form von virtuellen Live-Kursen durchgeführt und bietet eine Mischung aus 80 % praktischem Training und 20 % theoretischem Lernen. Sie nehmen an praktischen Projekten, Fallstudien und interaktiven Sitzungen teil, die von Branchenexperten geleitet werden.

Wie sieht der Stundenplan aus? Gibt es Aufzeichnungen?

Der Kurs dauert in der Regel etwa 16 Wochen, mit geschätzten 8 bis 10 Stunden Live-Sitzungen pro Woche. Es gibt Kurse an Wochentagen und am Wochenende mit unterschiedlichen Stundenplänen. Zwischen den Kursen gibt es viele praktische Projekte zu absolvieren. Bitte senden Sie uns eine E-Mail, um den detaillierten Stundenplan des Programms zu erhalten. Wenn Sie eine Sitzung verpassen, können Sie sich jederzeit die Aufzeichnung ansehen.

HINWEIS:

Die Teilnahme kann nicht einfach durch das Ansehen der Aufzeichnungen der Sitzungen nachgewiesen werden. Die Teilnahme wird nur dann erfasst, wenn ein Lernender an der Live-Sitzung teilnimmt. Da es sich um universitätsnahe Programme handelt, sind die Kriterien strenger, da sie von den Universitäten selbst festgelegt werden. Die Aufzeichnungen sind jedoch verfügbar. Die Lernenden können die spezifischen Zertifizierungskriterien für jeden Kurs direkt in ihrem LMS einsehen.

Kann ich während der Teilnahme an diesem Programm Vollzeit arbeiten?

Ja, das können Sie! Der Programmplan ist so gestaltet, dass er vielbeschäftigten Berufstätigen mit Vollzeitbeschäftigung entgegenkommt. Sie können an Live-Sitzungen unter Anleitung eines Dozenten teilnehmen, die meist am Wochenende zu festgelegten Zeiten stattfinden, und dann in Ihrer Freizeit Aufgaben/Projekte erledigen.

Kann ich meine Kohorte nach der Anmeldung zum Programm wechseln?

Ja. Sie haben innerhalb der ersten 60 Tage nach der Anmeldung Anspruch auf einen kostenlosen Kohortenwechsel. Wenn Sie nach Inanspruchnahme dieser Option nicht in Ihrer aktuellen Kohorte bleiben können, können Sie gegen eine Gebühr einen weiteren Wechsel beantragen. Für Hilfe bei der Vorgehensweise oder Unterstützung bei Ihrem Antrag wenden Sie sich bitte an unser Support-Team.

Wie unterscheidet sich dieses Programm von anderen Online-KI-Kursen oder MOOCs?

Im Gegensatz zu typischen Kursen, die Sie in Ihrem eigenen Tempo absolvieren können, bietet dieses Programm ein von einer Universität unterstütztes, interaktives Lernmodell mit über 70 Stunden Live-Sitzungen, die von Branchenexperten geleitet werden. Die Lernenden profitieren von Echtzeit-Interaktion, engagierter Betreuung und Zusammenarbeit mit Gleichgesinnten, was eine höhere Abschlussquote und ein tieferes Verständnis gewährleistet. Gleichzeitig erhalten sie ein von der Universität mitausgestelltes Zertifikat, das für zusätzliche Glaubwürdigkeit und langfristigen Karrierewert sorgt.

Was ist ein angewandter KI-Kurs?

Ein angewandter KI-Kurs konzentriert sich auf den Einsatz künstlicher Intelligenz zur Bewältigung realer Herausforderungen. Anstatt sich auf die Theorie zu konzentrieren, legt er den Schwerpunkt auf die praktische Anwendung – das Erstellen von KI-gestützten Anwendungen, die Arbeit mit Machine-Learning-Modellen und die Nutzung von Tools wie ChatGPT, Hugging Face und OpenAI. Die Lernenden erwerben praktische Fähigkeiten in Bereichen wie Automatisierung, Erstellung von Inhalten, Chatbots und Bildgenerierung, was den Kurs besonders wertvoll für Fachleute macht, die direkt auf die Bedürfnisse der Industrie abgestimmte, berufsbezogene Fachkenntnisse erwerben möchten.

Zulassungskriterien für die Spezialisierung „Angewandte generative KI”

Dieses Programm steht Lernenden mit einem Bachelor-Abschluss in Bereichen wie Informatik, Ingenieurwesen oder Mathematik offen. Es eignet sich sowohl für Anfänger als auch für Fachleute, die ihre KI-Kenntnisse verbessern möchten. Vorkenntnisse in Programmierung oder künstlicher Intelligenz sind von Vorteil, aber keine zwingende Voraussetzung. Der Kurs ist so aufgebaut, dass er Sie Schritt für Schritt anleitet und auch für diejenigen zugänglich ist, die noch keine Erfahrung mit KI und maschinellem Lernen haben.

Wie effizient sind die Trainer?

Der Kurs „Angewandte KI” wird von erfahrenen Branchenexperten mit Fachkenntnissen in den Bereichen maschinelles Lernen, natürliche Sprachverarbeitung, Google Cloud und Kerninformatik geleitet. Jeder Trainer wird aufgrund seiner praktischen Erfahrung und seiner nachgewiesenen Fähigkeit, komplexe Konzepte zu vereinfachen, ausgewählt, sodass Sie praktisches Wissen von Experten erwerben, die KI in realen Geschäftsszenarien angewendet haben.

Wie sieht der Karriereweg nach Abschluss des Kurses aus?

Da Unternehmen zunehmend KI einsetzen, eröffnet der Abschluss dieses Kurses in angewandter KI und ML eine Vielzahl von Karrieremöglichkeiten. Sie werden für folgende Aufgaben qualifiziert sein:

• KI-Entwickler
• Maschinelles Lernen-Ingenieur
• Datenwissenschaftler
• KI-Berater

Mit zunehmender Erfahrung können Sie auch Führungspositionen übernehmen, in denen Sie sich auf die Gestaltung der KI-Strategie, die Förderung von Innovationen und die Leitung der KI-gesteuerten Transformation innerhalb von Organisationen konzentrieren.

Was ist der Unterschied zwischen KI und angewandter KI?

Künstliche Intelligenz (KI) ist ein breiteres Feld, das sich auf die Entwicklung von Systemen konzentriert, die menschenähnliche Fähigkeiten wie Lernen, Denken und Entscheidungsfindung besitzen. Dazu gehört die Erstellung von Algorithmen, Modellen und Theorien, die es Maschinen ermöglichen, Intelligenz nachzuahmen.

Bei der angewandten KI hingegen geht es darum, diese Konzepte in die Praxis umzusetzen. Dabei werden KI-Techniken und -Tools eingesetzt, um reale Probleme zu lösen und greifbare Ergebnisse zu erzielen.

Beispiel:

• KI: Entwicklung eines maschinellen Lernmodells, das medizinische Scans analysieren kann.
• Angewandte KI: Einsatz dieses Modells in Krankenhäusern zur Erkennung von Krankheiten anhand von Patientenscans und -berichten, wodurch die Diagnosegeschwindigkeit und -genauigkeit verbessert wird.