KI – Der Weg zur Anwendung
KI – Der Weg zur Anwendung
Autor*innen: | Tim Suthau & Nikolas Knickrehm | ||
Anbietende Hochschule: | Technische Hochschule Lübeck | ||
Kurssprache: | Deutsch | ||
Wissensgebiet: | Einstiegskurse | Kostenfrei | |
Durchschnittlicher Arbeitsaufwand: | 5 Stunden | Kostenfrei | Einschreiben |
Was können Sie in diesem Kurs lernen?
- Teilnehmer:innen können erklären, was tatsächlich hinter dem Begriff KI steckt.
- Teilnehmer:innen können eigene KI-Vorhaben planen und durchführen.
- Teilnehmer:innen können beurteilen, ob KI-Methoden zur Lösung von konkreten Problemstellungen geeignet sind.
- Teilnehmer:innen haben ein grundlegendes Verständnis für die Hardwareanforderungen bei KI-Vorhaben.
- Teilnehmer:innen kennen unterschiedliche Softwareframeworks zur Umsetzung von KI-Methoden und können diese methodisch vergleichen.
- Teilnehmer:innen kennen Anforderungen und Fallstricke in Zusammenhang mit Trainingsdaten für KI-Vorhaben.
- Teilnehmer:innen können Trainingsdaten für eigene KI-Vorhaben beurteilen.
- Teilnehmer:innen kennen relevante regulatorische Fragestellungen im Umgang mit KI.
- Teilnehmer:innen kennen den Ansatz der „Explainable KI”.
- Teilnehmer:innen kennen relevante Fragestellungen in Bezug auf Datenschutz und KI.
- Teilnehmer:innen kennen Ansätze, über die das Vertrauen von Mitarbeiter in KI frühzeitig gesteigert werden kann.
- Teilnehmer:innen wissen, welche Expertise für die Entwicklung und den Einsatz von KI notwendig ist.
Gliederung
Kapitel 1 - Welche Ideen / Problemstellungen eignen sich (nicht) für KI
1.1: Was ist überhaupt KI?
1.2: Begriffe im Umfeld von KI
1.3: Welche Voraussetzungen müssen Problemstellungen erfüllen, damit sie durch KI gelöst werden können?
1.4: Szenarien, die für KI geeignet sind
1.5: Szenarien, die für KI nicht geeignet sind
1.6: Beispiele von KI-Anwendungen
Kapitel 2 - Die passende Hardware finden
2.1: Prozessoren für Anwendungen im Bereich des maschinellen Lernens
2.2: Benötigte Hardware für maschinelles Lernen
Kapitel 3 – Softwareplattformen für maschinelles Lernen
3.1: Metriken zum Vergleich von ML-Frameworks
3.2: Vergleich unterschiedlicher ML-Softwareframeworks
Kapitel 4 – Testdaten für ML Vorhaben
4.1: Allgemeine Hinweise
4.2: Underfitting & Overfitting
Kapitel 5 - Anwender mitnehmen
5.1: Vertrauen in die KI
5.2: Umgang mit Daten
Kapitel 6 - Regulatorische Aspekte
6.1: Regulatorik
6.2: Technische Herausforderungen & Möglichkeiten
6.3: Aktivitäten in den Bereichen: Normen, Standards, Gesetze
Autoren*innen
Tim Suthau
Dr.-Ing. Tim Suthau hat
langjährige Erfahrung als Entwicklungsleiter für ein Medizintechnik
Unternehmen. Anliegen war und ist es ihm, stets an neuesten Innovationen
zu arbeiten und diese voranzutreiben. Dabei liegen ihm die
Digitalisierungsthemen
Interoperabilität, Vernetzung und Künstliche Intelligenz
besonders am Herzen. Hier interessiert ihn insbesondere auch die
Thematik der Zulassung dieser Technologien in der Medizintechnik.
Derzeit verfolgt er diese Themen als Mitarbeiter der
UniTransferKlinik GmbH und verantwortet die Projektleitung
des Forschungsprojektes „KI-SIGS: KI-Space für intelligente
Gesundheitssysteme“. Inhaltlich engagiert er sich besonders für den
Aufbau der Plattform „KI und Regulatorik“.
Nikolas Knickrehm
Nikolas Knickrehm ist wissenschaftlicher Mitarbeiter an der
UniTransferKlinik Lübeck GmbH und dort verantwortlich für die
Koordination und Durchführung von Projekten und Veranstaltungen des
Mittelstand 4.0 Kompetenzzentrums Kiel (M4KK). Sein Ziel
ist es, die Digitalisierung in kleinen und mittelständigen
Unternehmen nachhaltig voranzutreiben und abstrakte Themen wie die
künstliche Intelligenz für alle (be-)greifbar zu machen. Durch sein
Studium an der Universität zu Lübeck und mehrere
Projekte als selbstständiger Softwareentwickler geprägt,
setzt er sich insbesondere für die mensch-zentrierte Entwicklung von
Software und den Bereich IT-Sicherheit ein.
Teilnahmebestätigung
In diesem Kurs kannst du Badges und ein Weiterbildungszertifikat erhalten.