Applied Generative AI Specialization In Zusammenarbeit mit der Purdue University

Spezialisierung Angewandte Generative KI

In Zusammenarbeit mit der Purdue University

• Bauen und starten Sie GenAI-gestützte Anwendungen mit dem Applied AI-Programm

• Nehmen Sie an interaktiven Meisterklassen teil, die von Branchenexperten geleitet werden

• Erstellen Sie GenAI- und Agentic-AI-Anwendungen durch mehr als 7 praxisnahe Projekte

• 16-wöchiges Programm (8–10 Std./Woche, Wochenendkurse)

• Fragen Sie uns nach dem nächsten Starttermin und detailliertem Zeitplan!

In Zusammenarbeit mit Purdue University Online und in Partnerschaft mit Microsoft Azure, vermittelt dieses Programm Fachkräften das nötige Wissen, um in der sich schnell wandelnden KI-Landschaft erfolgreich zu sein. Es kombiniert akademische Exzellenz mit praxisnaher Ausbildung durch Live-Unterricht, realitätsnahe Projekte und praktische Übungen mit Tools wie ChatGPT, LangChain, Azure AI Studio und DALL·E.

Der Lehrplan deckt alles ab – von den Grundlagen der KI bis hin zu fortgeschrittener Generativer KI, agentischen Systemen und Governance-Frameworks. Absolventen sind bestens vorbereitet, in einer GenAI-gestützten Ära Führungsaufgaben zu übernehmen – gestützt durch anerkannte Zertifikate von Purdue University Online und Microsoft.

Nach Abschluss des Programms treten Sie außerdem dem angesehenen Alumni-Netzwerk von Purdue bei.

Wichtige Merkmale

• Kurs und Materialien sind auf Englisch

• Zusammenarbeit mit Purdue University Online

• Niveau: Mittelstufe bis Fortgeschritten

• 16 Wochen Live-Unterricht durch Branchenexperten (8–10 Std./Woche, Wochenendkurse)

• Über 70 Stunden Live-Unterricht und projektbasierte Mentor-Betreuung

• Über 200 Stunden empfohlene Lern- und Übungszeit

• Flexiblem Lernen dank Aufzeichnungen und 24/7-Zugang

• Praxisorientiertes Lernen durch 7+ reale Projekte sowie ein Capstone-Projekt

• Erwerb gefragter Skills wie LLM Fine-Tuning, Prompt Engineering und KI-Governance

• Umfassender Lehrplan zu AI Literacy, Agentic Frameworks und Generativer KI

• Microsoft-Abschlusszertifikat über das Microsoft Learn-Portal

• Zugang zu Purdue’s Alumni Association

• Programm-Abschlusszertifikat von Purdue University Online

Lernerfahrung

Peer-Interaktion
Erleben Sie ein echtes Klassenzimmer-Gefühl durch Austausch mit Mitlernenden und Mentoren in Echtzeit (z. B. über Slack).

Flexibles Lernen
Verpassen Sie nichts – greifen Sie jederzeit auf Aufzeichnungen zurück, um am Ball zu bleiben.

Mentoring-Sitzungen
Erhalten Sie Expertenunterstützung, um Fragen zu klären, Projekte zu gestalten und Ihre Lernreise zu optimieren.

Individuelle Betreuung
Profitieren Sie von einem Cohort Manager, der persönliche Unterstützung bietet und sicherstellt, dass Sie erfolgreich bleiben.

Über die Purdue University

Die Purdue University ist eine führende öffentliche Forschungsuniversität, bekannt für praxisnahe Lösungen zu drängenden Problemen unserer Zeit. Vom U.S. News & World Report wurde Purdue vier Jahre in Folge zu den Top 10 der innovativsten Universitäten der USA gezählt.

Welchen Mehrwert bringt die Purdue University in das Programm ein?

Der Lehrplan des Programms wird mit Unterstützung der Universität entworfen und überprüft, was dem Programm Qualität und Legitimität verleiht und zu einem gemeinsamen Abschlusszertifikat führt. Bitte beachten Sie, dass die Live-Kurse nicht von tatsächlichen Fakultätsmitgliedern der Universität gehalten werden, sondern von vielen erfahrenen Branchenexperten, die für die jeweiligen Themen geeignet sind.

Abgedeckte Kompetenzen

• Python-Programmierung

• Prompt Engineering

• AI Literacy & Grundlagen der Generativen KI

• Large Language Models (LLMs)

• Agentische & autonome KI-Architekturen

• LangChain Workflow Design

• Retrieval-Augmented Generation (RAG)

• LLM Fine-Tuning & Anpassung

• Stable Diffusion & KI-Bildgenerierung

• Transformer & Attention-Mechanismen

• Variational Autoencoders (VAEs)

• Entwicklung generativer KI-Anwendungen

• Benchmarking & Evaluierung von LLMs

• Generative KI Governance & Ethik

Lernziel

• Entwickeln Sie KI-gestützte Business-Intelligence-Assistenten, um Erkenntnisse und Empfehlungen zu generieren.
• Erwerben Sie praktische Kenntnisse in Python mit Jupyter Notebook und Google Colab.
• Entwickeln Sie fundierte KI-Kenntnisse, einschließlich Machine-Learning-Typen und Deep-Learning-Konzepten.
• Wenden Sie fortgeschrittene LLM-Techniken wie RAG, Fine-Tuning und Prompt Engineering an.
• Verstehen Sie wichtige generative KI-Modelle wie neuronale Netze, GANs und Transformer.
• Erstellen Sie autonome KI-Systeme mit agentenbasierten Frameworks wie LangChain.
• Entwerfen und implementieren Sie KI-Copiloten und Chatbots mit Microsoft Azure AI Studio und Copilot Studio.
• Implementieren Sie reale KI-Anwendungen wie HR-Assistenten und generative Design-Tools (DALL·E, Gradio UI).
• Lernen Sie KI-Governance, Ethik, Compliance und Strategien zum Aufbau sicherer, zuverlässiger Systeme kennen.
• Bewerten und optimieren Sie LLM-Ausgaben durch Aufmerksamkeitsmechanismen, Benchmarking und Risikobewertung.
• Arbeiten Sie mit führenden KI-Tools wie ChatGPT, Gemini, Claude, Hugging Face und Stable Diffusion.
• Erwerben Sie praktische Fähigkeiten in den Bereichen Datenvorverarbeitung, Visualisierung, Feature Engineering und Modell-Fine-Tuning für domänenspezifische Anwendungen.
• Verstehen Sie Einbettungen, Vektordatenbanken und Open-Source-KI-Repositorys, um die KI-Suche zu verbessern und mit neuen Modellen auf dem neuesten Stand zu bleiben.
• Stellen Sie KI-Lösungen auf Cloud-Plattformen für skalierbare Geschäftsanwendungen bereit.
• Bauen Sie durch reale Projekte und branchenrelevante Fallstudien ein starkes KI-Portfolio auf.
• Erwerben Sie doppelte Qualifikationen mit einem Online-Zertifikat der Purdue University und einer Microsoft-Zertifizierung über Microsoft Learn sowie Zugang zum Alumni-Netzwerk der Purdue University.

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 High-School-Abschluss (oder gleichwertigem Abschluss)
• Grundlegende Kenntnisse in Programmierkonzepten und Mathematik
• Idealerweise mindestens 2 Jahre Berufserfahrung, dies ist jedoch keine Voraussetzung.

Lernpfad

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

Wahlfächer

1. Microsoft Azure AI Fundamentals: Generative KI
2. Microsoft Copilot Foundations
3. Purdue Academic Masterclass

DETAILS ZUM KURSINHALT

Kurs 1: Python-Grundlagen

Entwickeln Sie grundlegende Python-Kenntnisse, die die Basis Ihres Lernpfads bilden. Wenden Sie Python an, um KI- und ML-Algorithmen zu erstellen, Datenanalysen durchzuführen und intelligente Systeme effizient zu entwickeln.

Lernziele

• Richten Sie Python ein und arbeiten Sie mit der integrierten Entwicklungsumgebung (IDE).
• Wenden Sie Python-Grundlagen wie Bezeichner, Einrückungen und Kommentare effektiv an.
• Verstehen und verwenden Sie verschiedene Arten von Schleifen in Python.
• Lernen Sie die Grundlagen des Multithreading kennen.
• Erläutern Sie Python-Methoden, Attribute und Zugriffsmodifikatoren.
• Entdecken Sie die wichtigsten Vorteile und Anwendungsbereiche von Python.
• Sammeln Sie praktische Erfahrungen mit Jupyter Notebook.
• Arbeiten Sie mit Python-Datentypen, Operatoren und String-Funktionen.
• Verstehen Sie den Variablenbereich innerhalb von Funktionen.

Behandelte Themen

• Grundlagen der Programmierung
• Einführung in die Python-Programmierung
• Python-Datentypen und -Operatoren
• Python-Funktionen
• Bedingte Anweisungen und Schleifen in Python
• Threading

Kurs 2: KI-Kenntnisse

Schaffen Sie sich eine solide Grundlage in generativer KI und maschinellem Lernen, indem Sie die Kernprinzipien, wesentlichen Algorithmen und realen Anwendungen erlernen. Entdecken Sie Deep Learning, große Sprachmodelle und KI-gesteuerte Tools, um praktische Fähigkeiten für die Erstellung und Bereitstellung von KI-Lösungen aufzubauen.

Lernergebnisse

• Unterscheiden Sie zwischen KI, maschinellem Lernen, Deep Learning und generativer KI.
• Verstehen Sie überwachtes, unüberwachtes und bestärkendes Lernen mit ihren realen Anwendungen.
• Studieren Sie generative KI-Modelle, darunter neuronale Netze, GANs und Transformer.
• Erfahren Sie, wie LLMs Chatbots steuern, und entdecken Sie Modelle wie ChatGPT, Gemini, Claude und Falcon.
• Entdecken Sie Methoden zur Bilderzeugung mit GANs, Diffusionsmodellen und VAEs und üben Sie mit Tools wie DALL·E 2 und Stable Diffusion.
• Sammeln Sie praktische Erfahrungen in der Videogenerierung mit KI-gesteuerten Plattformen.
• Entdecken Sie Open-Source-Ressourcen wie Hugging Face und erkunden Sie KI-/Prompt-Marktplätze wie PromptBase.
• Eignen Sie sich Fähigkeiten im Prompt Engineering an, um Chatbot-Interaktionen und die KI-Suche zu optimieren.
• Experimentieren Sie mit den Einstellungen von OpenAI Playground, einschließlich Temperatur- und Sampling-Techniken.

Behandelte Themen

• Grundlagen des maschinellen Lernens und der generativen KI
• Arten des maschinellen Lernens: überwachtes, unüberwachtes und bestärkendes Lernen
• Generative KI-Modelle: neuronale Netze, GANs und Transformatoren (GPT und darüber hinaus)
• Große Sprachmodelle (LLMs) und Chatbots: ChatGPT, Gemini, Claude, Falcon usw.
• Videogenerierung: Architekturen (GANs, Diffusionsmodelle, Transformatoren) mit Tools wie Runway ML, Synthesia und Gen-2
• Bildgenerierung: GANs, Diffusionsmodelle, VAEs mit Tools wie DALL·E 2, Stable Diffusion und MidJourney
• Open-Source-KI-Ökosystem: Hugging Face und KI-Marktplätze
• Prompt Engineering: Erstellen von Chatbot-Prompts, Bildgenerierungs-Prompts und Experimentieren mit OpenAI Playground

Kurs 3: Fortgeschrittene generative KI: Modelle und Architektur

Nutzen Sie die kreative Kraft der KI mit diesem Kurs zur generativen KI. Entdecken Sie generative Modelle wie Variational Autoencoders (VAEs) und Generative Adversarial Networks (GANs) und gewinnen Sie Einblicke in modernste Large Language Models (LLMs) und Transformer-Architekturen. Entwickeln Sie ein tieferes Verständnis für Aufmerksamkeitsmechanismen und wie diese die Leistung von KI-Systemen verbessern.

Lernziele

• Lernen Sie die Bedeutung generativer KI und ihre Anwendungen in der Praxis kennen.
• Erkennen und erklären Sie verschiedene Arten generativer KI-Modelle.
• Studieren Sie die Struktur und Anwendungsfälle großer Sprachmodelle (LLMs).
• Wenden Sie Variational Autoencoders (VAEs) für die Datengenerierung und Anomalieerkennung an.
• Verstehen Sie Generative Adversarial Networks (GANs) und ihre praktische Anwendung.
• Erforschen Sie Aufmerksamkeitsmechanismen, Transformer-Architekturen und deren praktische Implementierungen.

Behandelte Themen

• Überblick über generative Modelle
• Architektur großer Sprachmodelle (LLMs)
• Variational Autoencoders (VAEs)
• Generative Adversarial Networks (GANs)
• Aufmerksamkeitsmechanismen und Transformer-Modelle

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

Erwerben Sie Fachwissen im Bereich LangChain-Workflow-Design, um Sprachgenerierungsprozesse effektiv zu verwalten. Verbessern Sie Ihre Fähigkeiten im Bereich Prompt Engineering, um präzise und wirkungsvolle Prompts zu erstellen. Lernen Sie, wie Sie Anwendungen entwickeln, die auf großen Sprachmodellen (LLMs) basieren und für verschiedene Anwendungsfälle geeignet sind. Entdecken Sie Feinabstimmungstechniken, um LLMs an spezielle Aufgaben und Domänen anzupassen. Schließen Sie mit Benchmarking-Verfahren ab, um die Leistung von LLMs anhand von Industriestandards zu bewerten und zu vergleichen.

Lernziele

• Erstellen von LangChain-Workflows für die Entwicklung generativer KI-Lösungen
• Verwendung fortgeschrittener Prompt-Engineering-Methoden, um maßgeschneiderte Ergebnisse zu erzielen
• Entwicklung von LLM-basierten Anwendungen und deren Feinabstimmung für bestimmte Anwendungsfälle
• Bewertung der LLM-Leistung bei Aufgaben wie Zusammenfassung, Fragen und Antworten, Übersetzung, Chatbots und Sentimentanalyse

Behandelte Themen

• LangChain und Workflow-Design
• Fortgeschrittene Prompt-Engineering-Techniken
• LangChain für die LLM-Anwendungsentwicklung
• Benchmarking und Bewertung von LLM-Fähigkeiten
• LLM-Feinabstimmung und -Anpassung

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

Nachdem Sie die grundlegenden LLM-Anwendungen beherrschen, steigen Sie mit agentenbasierten Architekturen und protokollgesteuerten Tool-Integrationen in die nächste Stufe der generativen KI auf. Dieser Kurs bietet praktische Erfahrungen im Aufbau intelligenter Agenten und deren Verbindung über sichere, herstellerunabhängige Standards unter Verwendung von MCP. Lernen Sie, Agenten zu entwerfen, Orchestrierungsabläufe zu erstellen und toolunabhängige Systeme mit Plattformen wie LangGraph, AutoGen, CrewAI und MCP aufzubauen.

Lernziele

• Verstehen Sie die Entwicklung von Agentic AI und ihre wichtigsten Architekturelemente
• Lernen Sie Wahrnehmungsmodule, kognitive Engines und Aktionsausführungsprozesse kennen
• Wenden Sie LangGraph für Orchestrierung, Aufgabenweiterleitung und Automatisierungsworkflows an
• Erstellen und passen Sie AutoGen-Agenten für Schlussfolgerungen und kollaborative Aufgaben an
• Entdecken Sie, wie MCP standardisierte, plattformübergreifende Integrationen unterstützt
• Implementieren Sie sichere Protokolle, SDKs und governanceorientierte Praktiken
• Organisieren Sie Agententeams und Aufgabenpipelines mit CrewAI

Behandelte Themen

• Grundlagen der agentenbasierten KI: Wichtige Eigenschaften und reale Anwendungen
• LLM-Agent-Design: Wahrnehmung, kognitive Engines und Aktionsmodule
• LangGraph: Orchestrierungsmethoden mit Aufgabenknoten und parallelem Routing
• AutoGen: Flexible Multi-Agent-Systeme und kollaborative Workflows
• CrewAI: Aufbau von Agententeams mit Toolchains, Aufgaben und Ausführungs-Pipelines
• Best Practices: Rollenbasierter Zugriff, sichere Datennutzung und Compliance-Standards
• MCP: Gewährleistung von Interoperabilität, Messaging-Protokollen und sicherer SDK-Integration

Kurs 6: Fortgeschrittene generative KI: Bildgenerierungsfunktionen

Entdecken Sie in diesem Spezialkurs das fortgeschrittene Potenzial generativer KI für die Bilderstellung. Beherrschen Sie Stable Diffusion und Rauschunterdrückungsmethoden, um aus verrauschten Eingaben klare, hochwertige Bilder zu generieren. Entdecken Sie Shared Embedding Systems, um verschiedene Bildmerkmale nahtlos zu integrieren und darzustellen. Erwerben Sie Kenntnisse in kontrastiven Lerntechniken, um die Modellleistung durch effektive Nutzung von Datenähnlichkeiten und -unterschieden zu verbessern.

Lernziele

• Erlernen und Anwenden von Stable Diffusion-Techniken, um aus verrauschten oder unvollständigen Eingaben klare, hochwertige Bilder zu erstellen
• Entwickeln von Fähigkeiten in Rauschunterdrückungsmethoden, um die Bildgenauigkeit und Detailtreue zu verbessern
• Verwenden von Shared Embedding-Systemen, um eine Vielzahl von Bildmerkmalen effektiv darzustellen
• Sammeln von praktischer Erfahrung in der Anwendung von kontrastivem Lernen, um die Genauigkeit und Effizienz von Modellen zu steigern

Behandelte Themen

• Stable Diffusion Rauschunterdrückung
• Autoencoder in generativer KI
• Shared Embedding Spaces
• Kontrastive Lerntechniken

Kurs 7: Generative KI-Governance

Untersuchen Sie die Bedeutung der Governance generativer KI und befassen Sie sich mit den wichtigsten Herausforderungen, ethischen Grundsätzen, Governance-Modellen und dem Risikomanagement. Lernen Sie, wie Sie Governance in KI-Projekte einbetten und gleichzeitig mit den regulatorischen Entwicklungen und neuen Trends in diesem Bereich Schritt halten können.

Lernergebnisse

• Verstehen Sie, warum Governance in der generativen KI von entscheidender Bedeutung ist
• Befassen Sie sich mit Governance-Herausforderungen wie Ethik, Rechenschaftspflicht und Vorschriften
• Lernen Sie die Rolle von Governance bei der Risikominderung in KI-Projekten kennen
• Erkunden Sie ethische Grundsätze, Dilemmata und verantwortungsvolle KI-Entwicklung
• Wenden Sie Fairness, Bias-Minderung und Datenschutz als ethische Praktiken an
• Bauen Sie Governance-Rahmenwerke und -Ausschüsse mit definierten Rollen und Best Practices auf
• Studieren Sie Risikomanagementstrategien anhand realer Fallbeispiele aus der generativen KI
• Integrieren Sie Governance über den gesamten Lebenszyklus von KI-Projekten hinweg, von der Datenbeschaffung bis zur Prüfung
• Bleiben Sie über zukünftige Trends in der Governance auf dem Laufenden, einschließlich Vorschriften und ethischer Innovationen
• Entdecken Sie Karrieremöglichkeiten in der Governance generativer KI

Behandelte Themen

• Einführung in die Governance generativer KI
• Ethische Rahmenbedingungen und Grundsätze
• Governance-Strukturen und Ausschüsse
• Risikomanagement in KI-Projekten
• Lebenszyklus und Governance von KI-Projekten
• Zukünftige Trends in der KI-Governance

Capstone-Projekt

Beenden Sie das Programm, indem Sie Ihre Fähigkeiten in einem praktischen, branchenorientierten Capstone-Projekt anwenden, das alle Kursinhalte in einer portfoliofähigen Präsentation zusammenfasst.

Wahlfächer

Wahlfach 1: Microsoft Azure AI Fundamentals: Generative KI

Dieser Microsoft Learn-Pfad vermittelt die Grundlagen der generativen KI und behandelt Kernkonzepte, Techniken und ethische Praktiken, damit Sie eine solide Grundlage für praktische Anwendungen aufbauen können.

Im Laufe des Kurses werden Sie:

• Erfahren, wie große Sprachmodelle als Rückgrat der generativen KI dienen
• Entdecken, wie Azure OpenAI Service den Zugang zu modernsten KI-Technologien ermöglicht
• verstehen, wie generative KI-Tools wie Copilots die Produktivität und Effizienz steigern
• entdecken, wie Eingabeaufforderungen und Antworten verfeinert und optimiert werden können
• die Prinzipien von Microsoft für verantwortungsvolle KI und ihre Rolle bei der Förderung ethischer KI untersuchen

Wahlfach 2: Grundlagen von Microsoft Copilot

Beginnen Sie mit der Erkundung der Microsoft Copilot Studio-Umgebung und -Oberfläche, um Copilots zu entwerfen und zu verwalten, Themen zu entwickeln und die Produktivität mit generativer KI zu steigern. Sammeln Sie Erfahrungen mit Azure AI Studio, um dessen Funktionen kennenzulernen, Sprachmodelle zu trainieren, die Datensuche zu aktivieren und Copilots mithilfe von Prompt Flow zu erstellen. Wenden Sie Retrieval-Augmented Generation (RAG) an, um die Genauigkeit der Antworten zu verbessern, und erstellen Sie einen benutzerdefinierten Copilot mit Ihren eigenen Daten für praktische Übungen.

Sie lernen Folgendes:

• Erstellen und Verwalten von Copilots in Microsoft Copilot Studio
• Veröffentlichen von Copilots und Bewerten ihrer Leistung
• Verstehen des Zwecks und der Funktionen von Azure AI Studio
• Entwickeln einer RAG-gestützten Copilot-Lösung
• Grundlegende Sprachmodelle für Genauigkeit und Zuverlässigkeit
• Erstellen von Copiloten mithilfe von Prompt Flow

Wahlfach 3: Purdue Academic Masterclass

Nehmen Sie an einer interaktiven Online-Masterclass teil, um wertvolle Einblicke in die neuesten Fortschritte und Techniken im Bereich der generativen KI zu erhalten.

Branchenprojekte

• Persönlicher Ausgaben-Tracker: Erstellen Sie einen persönlichen Finanz-Tracker mit kategorisierten Ausgaben, monatlicher Budgetierung und dateibasierter Datenspeicherung. Enthält eine menügesteuerte Oberfläche für einfache Navigation.
• Task-Manager mit Benutzerauthentifizierung: Entwickeln Sie ein Task-Management-System mit Benutzerregistrierung und -anmeldung. Benutzer können Aufgaben hinzufügen, anzeigen, abschließen und löschen, wobei die dauerhafte Speicherung über die Dateiverwaltung erfolgt.
• KI-gestützter HR-Assistent: Erstellen Sie einen KI-Assistenten, der OpenAI's GPT und Gradio UI nutzt, um Fragen aus den HR-Richtliniendokumenten von Nestlé zu extrahieren und zu beantworten und so die Zugänglichkeit von HR-Informationen zu verbessern.
• KI-gestützter Design-Generator: Entwerfen Sie eine Plattform, die Textvorgaben mithilfe von OpenAI's DALL·E und Gradio UI in visuelle Inhalte umwandelt und so Marketing- und Kreativ-Workflows optimiert.
• KI-gestützter Business-Intelligence-Assistent: Entwickeln Sie InsightForge, ein Business-Intelligence-Tool, das auf RAG und LLMs basiert, um Daten zu analysieren, Trends zu erkennen und Erkenntnisse mit interaktiven Visualisierungen zu liefern.
• Bildgenerierungs-App mit LangChain: Erstellen Sie eine Anwendung, die LangChain mit OpenAI's DALL·E integriert, um Textbeschreibungen in realistische Bilder und Grafiken umzuwandeln.
• Fein abgestimmtes personalisiertes LLM Falcon7: Experimentieren Sie mit Falcon-7b, indem Sie es für benutzerdefinierte Textgenerierungsaufgaben feinabstimmen. Implementieren Sie Personalisierungstechniken, indem Sie mit aufgabenspezifischen Beispielen trainieren.

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 mit Dozenten teilnehmen, die meist am Wochenende zu festgelegten Zeiten stattfinden, und dann in Ihrer Freizeit Aufgaben/Projekte erledigen.

Welchen Mehrwert bringt die Purdue University in das Programm ein?

Der Lehrplan des Programms wird mit Unterstützung der Universität entworfen und überprüft, was dem Programm Qualität und Legitimität verleiht und zu einem gemeinsamen Abschlusszertifikat führt. Bitte beachten Sie, dass die Live-Sitzungen nicht von tatsächlichen Fakultätsmitgliedern der Universität gehalten werden, sondern von vielen erfahrenen Branchenexperten, die für die jeweiligen Themen geeignet sind.

Was ist ein angewandter KI-Kurs?

Ein angewandter KI-Kurs konzentriert sich auf den Einsatz künstlicher Intelligenz zur Bewältigung realer Herausforderungen. Anstatt sich auf Theorie zu konzentrieren, legt er den Schwerpunkt auf praktische Übungen – das Erstellen KI-gestützter Anwendungen, die Arbeit mit Modellen des maschinellen Lernens 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 Anforderungen 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, Verarbeitung natürlicher Sprache, Google Cloud und Kerninformatik geleitet. Jeder Trainer wird aufgrund seiner praktischen Erfahrung und seiner nachgewiesenen Fähigkeit ausgewählt, komplexe Konzepte zu vereinfachen, 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 Positionen 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 Patienten-Scans und -Berichten, wodurch die Diagnosegeschwindigkeit und -genauigkeit verbessert wird.