Seminar: Applied Data Science - Generative KI verstehen und anwenden

Unsere Schulung vermittelt einen Überblick über elementare Tätigkeiten eines Data Scientist und gibt praktische Einsichten in die Thematik generative KI mit Fokus auf Anwendungen mit LLMs. 

• Praktiker*innen, die ein Interesse an der Anwendung generativer KI haben.

Voraussetzungen:

• Teilnehmende sollten Erfahrung aus Projekten im Bereich Data Science mitbringen.
• Über grundlegende Programmierkenntnisse verfügen, idealerweise in Python. 

Für einen idealen Lernerfolg mit Transfer in Ihren eigenen Projektkontext empfiehlt es sich Zeit für die Nachbereitung und die Vertiefungsaufgaben zwischen den Tagen zu investieren. 

Nach dem Seminar können Sie...

• ... die Grundlagen der Künstlichen Intelligenz und generativen KI verständlich erklären und deren Anwendungen in der Praxis identifizieren.
• ... ein Verständnis dafür entwickeln, wie man Open Source LLMs betreiben kann und wo man die relevanten Informationen findet, um geeignete Modelle für verschiedene Anwendungsfälle auszuwählen.
• ... Retrieval Augmented Generation (RAG) anwenden und die wichtigsten Aspekte bei der Implementierung und Evaluierung eines RAG-Systems berücksichtigen.
• ... effektive Prompts erstellen und die Techniken des Prompt Engineerings nutzen, um LLMs optimal einzusetzen.
• ... die Potenziale und Herausforderungen von generativen KI-Technologien bewerten und passende Strategien für deren Implementierung in Ihren Projekten entwickeln.
   

Dieses Seminar bietet Ihnen...

• ... einen fundierten Überblick über die Grundlagen und Anwendungen von Künstlicher Intelligenz und generativen KI-Technologien.
• ... praxisnahe Einblicke in den Betrieb von Open Source LLMs und deren Vorteile sowie Herausforderungen.
• ... Kenntnisse zur Retrieval Augmented Generation (RAG) und deren Integration in bestehende Systeme.
• ... essentielle Techniken des Promptings, um die Leistungsfähigkeit von LLMs zu maximieren.
• ... die Möglichkeit, von Experten aus dem Data Science Team zu lernen und individuelle Fragen während der Fragerunden zu klären.

Der Kurs wird online in vier Terminen durchgeführt. Jeder Termin dauert 3 Stunden, in welchen die notwendigen theoretischen Grundlagen vermittelt und gemeinsame praktische Übungsaufgaben u.a. mittels Jupyter Notebooks in der Gruppe bearbeitet werden. Am Ende eines Termins werden Vertiefungsaufgaben mit unterschiedlichen Schwierigkeitsgraden herausgegeben. Jeder Teilnehmende hat dazu die Möglichkeit, sich individuell im Rahmen einer Chat-Funktionalität (Microsoft Teams) während der Bearbeitung unterstützen zu lassen. Die Bearbeitung der Aufgaben erfolgt durch jeden Teilnehmenden selbständig auf einer zur Verfügung gestellten Cloud-basierten Infrastruktur.

Die Installation von Software auf dem eigenen Rechner ist nicht erforderlich. 

Das Seminar wurde von Expertinnen und Spezialisten des Fraunhofer IESE konzipiert und bereits mehrfach erfolgreich durchgeführt. Die Seminar-Teilnehmenden werden von dem Fraunhofer IESE-Team betreut und erhalten unmittelbaren Zugriff auf die Expertise aus der Forschung und Praxis.

Julien Siebert arbeitet als Senior KI-Experte in der Abteilung Data Science am Fraunhofer IESE. Er studierte Künstliche Intelligenz und Ingenieurwissenschaften und promovierte in Informatik. Zu seinen beruflichen Interessen gehören Data Science Prozesse, Künstliche Intelligenz und komplexe Systeme.

Thorsten Honroth arbeitet als Data Scientist in der Abteilung »Data Science« am Fraunhofer IESE. Sein Tätigkeitsschwerpunkt ist Natural Language Processing (NLP), was auch Semantische Suche, Sprachmodelle und Large Language Models einschließt. Zuvor war er unter anderem als wissenschaftlicher Mitarbeiter am Fraunhofer Institut für digitale Medizin (MEVIS) und als Machine Learning Engineer tätig. Er studierte Mathematik und Physik auf Lehramt für Gymnasien und Gesamtschulen und hat auch das zweite Staatsexamen erlangt.

Patricia Kelbert ist seit 2017 am Fraunhofer IESE, und seit 2020 in der Abteilung Data Science als Data Scientist tätig. Sie hat in Frankreich an der »Université de Strasbourg« Bioinformatik studiert und dort im Jahr 2005 ihren Master abgeschlossen. Sie beschäftigt sich seit langem intensiv mit Programmierung, Software Engineering, Datenbanken und Datennutzungskontrolle über verschiedene Fachgebiete hinweg (Biodiversität, Genetik, Pharma & Gesundheit, Landwirtschaft).

Einführung in die KI & Zuverlässiger Einsatz von Large Language Models

Dieses Seminar ist ideal für alle, die sich mit generativer KI und deren praktischen Anwendungen vertraut machen möchten, um die Potenziale dieser Technologien optimal zu nutzen.