Grundlagen des KI-Managements mit praktischen Anwendungsbeispielen

Praktische Beispiele und Anwendungsfälle vorstellen

Kurzer Nachtrag zum Event - Agenda :
Thema 1: Kurze Einführung von einem Data-Science Spezialisten: Was ist Generative KI und die Grundlagen des Prompt Engineering (ca. 20-30 Minuten)

Thema 2: Business Case: Welche Merkmale und Erkenntnisse wir aus Daten gewinnen können, wie und wo wir die Daten beschaffen, und wie wir das Verhalten analysieren, um daraus Schlüsse zu ziehen

Thema 3: Eigenes Modell mit Chatgpt erzeugen und Trainieren und Testen

Anschließend können wir gerne eine kurze, offene Diskussion fortsetzen, wie wir es beim letzten Mal gemacht haben.

______

Entwicklung und Umsetzung einer KI-Strategie: Reifegradanalyse, Datenstrategie und Vision.

Ziele zu definieren z. B. Optimierung der Kundenanalyse, Steigerung der Produktionseffizienz, etc.

Zielsetzung: Zu Beginn eines Data Mining-Projekts ist es entscheidend, die konkreten Ziele festzulegen. Dies kann zum Beispiel die Vorhersage von Kundentrends, das Erkennen von Anomalien oder die Klassifikation von Datenpunkten umfassen.

Konkret: z. B. Optimierung der Kundenanalyse, Steigerung der Produktionseffizienz, etc.

Explorative Datenanalyse (EDA): In diesem Schritt werden erste statistische und visuelle Analysemethoden angewendet.