KI-Kompetenz 360°: Technologien verstehen, Potenziale heben, Wissen verankern

Grundlagen des Maschinellen Lernens und deren Implementierung

Dieses Modul vermittelt die fundamentalen Säulen des Maschinellen Lernens. Im Fokus stehen die zentralen Konzepte des Supervised und Unsupervised Learnings sowie die Verfahren der Regression und Klassifikation. Die theoretischen Grundlagen werden durch die praktische Implementierung in einem Jupyter Notebook in Python mit Bibliotheken wie scikit-learn veranschaulicht. Der Inhalt spannt den Bogen von der Datenvorverarbeitung über das eigentliche Modelltraining bis hin zur fundierten Validierung der Modellergebnisse. Ziel ist der Aufbau von Kompetenzen zur selbstständigen Entwicklung, zum Training und zur Bewertung von leistungsfähigen ML-Modellen auf Basis realer Anwendungsfälle.​

KI-Datenkompass: Daten fit machen für den KI-Einsatz

Daten sind die Grundlage jeder erfolgreichen KI-Anwendung. In diesem Modul lernen die Teilnehmenden, welche Datentypen es gibt, wie man Daten strukturiert speichert und gezielt für den KI-Einsatz aufbereitet. Im Fokus stehen Methoden der Datenvorverarbeitung, um Daten sauber, konsistent und KI-tauglich zu machen. Ergänzend wird gezeigt, wie Daten visualisiert werden können, um Muster und Zusammenhänge zu erkennen. Ziel ist es, den Teilnehmenden praxisnah zu vermitteln, wie sie Daten optimal vorbereiten und analysieren, um die Basis für leistungsfähige KI-Lösungen zu schaffen.​

Didaktische Hintergründe: KI-Schulungen zielgruppengerecht konzipieren

Wie vermittelt man komplexes KI-Wissen verständlich und nachhaltig? Dieses Modul liefert das didaktische Handwerkszeug zur Konzeption und Durchführung wirksamer KI-Schulungen. Kerninhalte sind die präzise Definition von Lernzielen, die adressatengerechte Aufbereitung komplexer KI-Themen für verschiedene Zielgruppen – vom Management bis zur Entwicklung – und die Auswahl passender Lehrmethoden. Es werden Strategien und Konzepte zur Evaluation des Lernerfolgs vorgestellt. Der Fokus liegt auf der Entwicklung von Fähigkeiten, KI-Wissen nicht nur zu besitzen, sondern es auch überzeugend und nachhaltig zu vermitteln, um die KI-Kompetenz strategisch zu fördern.​