Kursziel Der Kurs richtet sich an Manager, Projektleiter und Interessierte. Der Kurs vereinfacht es Teilnehmenden, Anwendungsfälle für KI zu erkennen und mit Spezialisten zu besprechen. Spezifisch kennen die Teilnehmenden nach Besuch des Kurses…

• wesentliche Fachterminologie aus Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML).
• die Funktionsweise und Eigenschaften von Künstlichen Neuronalen Netzen.
• Stärken, Schwächen und Risiken von ML, und daraus folgende ökonomische Konsequenzen.

• 07.05.2024 - 08.05.2023, 09:00 - 17:00, Online (Virtuell) Sprache: Deutsch. Kosten: CHF 1400

Early-Bird Rabatt: bis 2 Monate vor Kursbeginn 20%, bis 1 Monat vor Kursbeginn 10%. Es wird keine MwSt. erhoben. → Zur Anmeldung

Die Nächsten Termine werden je nach Nachfrage festgelegt. Bei Interesse melden Sie sich bitte (→ Kontakt) unverbindlich, damit ich Sie informieren kann, und um die Kursplanung (Ort) zu vereinfachen.

Voraussetzungen Es werden keine Vorkenntnisse benötigt. Eine gewisse Informatikaffinität und ein Mathematik/Statistik-Grundverständnis (Kantonsschulniveau) sind hilfreich, aber nicht notwendig.

Organisatorisches Zweitägiger Kurs mit maximal 10 Teilnehmenden (ausser in Onlinekursen). Teilnehmer erhalten eine Teilnahmebestätigung sowie sämtliche Kursunterlagen (Folien) in gedruckter und digitaler Form.

Detaillierte Kursbeschreibung Als Kernelement behandeln wir in diesem Kurs die Grundlagen moderner KI und im Spezifischen dem Maschinelles Lernen (ML): Wir behandeln dabei primär die Konzepte und Ideen, auf welchen die Algorithmen basieren und nicht auf mathematischen Details, welche fürs Grundverständnis von geringer Bedeutung sind. So können wir innerhalb von zwei Tagen die grundsätzliche Funktionsweise, Stärken, Schwächen und Risiken moderner KI, und insbesondere von Künstlichen Neuronalen Netzen diskutieren und verstehen. Daraus schliessen wir direkt auf ökonomische Eigenschaften von KI: Wo und wann kann Sie eingesetzt werden? Was sind typischerweise die grössten Kostenpunkte, und wieso habe künstliche Intelligenzen oft noch stärkere Skalenerträge als traditionelle Software?

Die Theorie wird primär mittels Präsentationen vermittelt und mittels kurzen Übungen vertieft. Konkrete Fallstudien helfen dabei, die gelernte Theorie greifbar zu machen. Beispiele für besprochene Fallstudien beinhalten:

• Wie funktioniert die berühmte KI DeepBlue, welche Schachweltmeister Kasparov geschlagen hat?
• Besser als ein Mensch? Krebsdiagnosen durch eine KI.
• Wie kann man ChatGPT für seine persönlichen Zwecke weiter verbessern?
• Welche ökonomischen Anreize hat Teslas ambitionierte Self-Driving-Car Strategie aus technischer Sicht?