Artificial intelligence: basics, applications and future prospects

Artificial intelligence

• • Definition und grundlegende Konzepte.
  • Historische Entwicklung und Meilensteine.
  • Unterschied zwischen schwacher und starker KI.

Einordnung Generativer KI

• • Definition und Beispiele (z.B. GPT-4, DALL-E; jeweils aktuelle Version).
  • Anwendungsmöglichkeiten und Herausforderungen.
  • Unterschiede zu anderen KI-Formen.

Grundprinzipien

• • Rolle von Daten, Algorithmen und Modellen.
  • Trainings-, Test- und synthetische Daten.

Maschinelles Lernen & Deep Learning

• • Grundlagen des Maschinellen Lernens.
  • Überwachtes, unüberwachtes und bestärkendes Lernen.
  • Aufbau und Funktionsweise neuronaler Netze.
  • Einführung in Deep Learning.

Computer Vision

• • Grundlagen der Computer Vision.
  • Techniken und Anwendungen (z.B. Objekterkennung, Bildklassifikation).
  • Praxisbeispiele und Tools (z.B. OpenCV).

KI für Datenanalysen

• • Wie KI die Entscheidungsfindung in Unternehmen unterstützen kann.
  • Business Understanding und Data Understanding.

Anwendungen und Herausforderungen

• • Alltägliche Anwendungen und unsichtbare KI.
  • Ökologische und soziologische Auswirkungen.
  • Die ESG-Kriterien und ihr Zusammenhang mit KI.
  • Ethische Fragestellungen und Datenschutz.
  • Diskussion über Chancen und Risiken.

Regulierung und Ethik

• • Einführung in den AI-Act der EU.
  • Klassifizierungen und Regulierungen.
  • Auswirkungen auf Entwicklung und Einsatz von KI.

Sensibilisierung für den Umgang mit Daten

• • Bedeutung von Datenqualität.
  • Datenschutz und Datensicherheit.
  • Verantwortungsbewusster Umgang mit Daten.

Branchen und Zukunftsaussichten

• • Vorteile und Herausforderungen in verschiedenen Branchen.
  • Diskussion über zukünftige Entwicklungen und Potenziale.
  • KI in der (künftigen) Arbeitswelt: Einsatzgebiete und Anforderungen an Berufsfelder.