Prompt Engineering für Anwendungsdesign mit Zusatzqualifikation: Machine Learning, Data Science, statistische Datenanalyse mit R, AI-Development und Deep Learning

Nach Abschluss der Weiterbildung verfügen Sie über Kenntnisse in der Entwicklung von Anwendungen mit Fokus auf Prompt Engineering, Machine Learning und Data Science. Sie analysieren Daten mit R und entwickeln KI-Modelle, die in verschiedenen Branchen eingesetzt werden können. Sie sind in der Lage, Deep Learning-Techniken anzuwenden und AI-Entwicklungsprojekte zu leiten. Diese Fähigkeiten ermöglichen Ihnen Tätigkeiten in der Softwareentwicklung, Datenanalyse und im Bereich der künstlichen Intelligenz.

Grundlagen des Prompt Engineering

• Einführung in Prompt Engineering: Grundlagen und Überblick
• Training von ChatGPT: Verbesserung der Leistung durch Feinabstimmung
• Interaktive Konversation: dialogbasierte Nutzung von ChatGPT
• Nutzung von ChatGPT: Anwendungsmöglichkeiten und Potenziale
• Anwendungsdesign für ChatGPT: Strukturierung von Benutzerschnittstellen
• Kontextsensitivität in ChatGPT: Verbesserung der Antworten durch Kontextverständnis

Einführung in maschinelles Lernen

• Einführung in Machine Learning
• Arten des Machine Learning
• Datenvorbereitung für Machine Learning
• Training und Auswahl eines Vorhersagemodells
• Bewertung von Modellen
• Modellbewertung und Hyperparameter-Tuning

Data Science mit R

• Grundlagen der Arbeit mit R
• Datenmanagement und diskriptive Statistiken in R
• Importieren, Analysieren und Exportieren von Datensätzen
• Datenvisualisierung
• Grundlegende statistische Kenngrößen
• Diagramme in ggplot2

AI-Development und Chatbots

• Einführung in AI-Development
• Aufbau eines einfachen Chatbots
• Trainieren von Chatbot-Modellen
• NLP-Grundlagen für Chatbots
• Fortgeschrittene Chatbot-Techniken
• Optimierung und Evaluation von Chatbots

Statistische Datenanalyse

• Datenreinigung
• Einführung in Pandas und Dataframes
• Regressionsanalysen
• Ordinal logistische Regression
• Anwendung von R in der Forschung

Deep Learning und neuronale Netze

• Aufgaben und Funktion von Deep Learning
• Trainieren eines Neuronalen Netzes
• Abgrenzung von Machine Learning und Deep Learning
• Neuronale Netze
• Keras
• Verbindungen zu TensorFlow