0. GenAI: Master in Data Science

Einführung in Generative KIDu lernst die grundlegenden Prinzipien generativer Modelle, ihre Anwendungen und die Arten von Problemen kennen, die sie in der Datenwissenschaft lösen. Bewertung generativer Modelle und LLMsDu lernst, wie man die Qualität von Modellausgaben anhand von Kriterien wie Kohärenz, Relevanz, Faktengenauigkeit und automatischen Textmetriken misst. Grundlagen von LLMs und Prompt EngineeringDu erforschst, wie Sprachmodelle funktionieren, wie man effektive Prompts strukturiert und wie man ihre Antworten an verschiedene Kontexte anpasst.

Datenverarbeitung für generative ModelleDu entdeckst Strategien zur Vorbereitung von Texten, Bildern und Dokumenten, um deren Nutzung bei Generierung und Abfrage zu erleichtern. Inference, Fine-Tuning und EmbeddingsDu analysierst, wie man Modelle feinabstimmt, Embeddings verwendet und Techniken wie Few-Shot und Fine-Tuning für maßgeschneiderte Lösungen einsetzt. RAG, semantische Suche und MultimodalitätDu lernst, wie man Informationsabruf, kontextuelles Denken und multimodale Analyse in praktische Anwendungen integriert.

PraxisprojekteRechnung-zu-Excel-Konvertierung: Du entwickelst einen automatisierten Workflow, der wichtige Daten aus PDF-Rechnungen extrahiert und strukturierte Berichte in Tabellen erstellt. Juristischer Berater mit Dokumenten: Du implementierst einen LLM-basierten Assistenten, der rechtliche Fragen anhand juristischer Texte im PDF-Format beantwortet. Bildbeschreibung mit Text: Du entwirfst ein Modell, das Bilder analysiert und automatische Beschreibungen generiert, um Interpretation und Suche zu erleichtern.

SQL-Abfragen mit RAG: Du baust ein Tool, das Datenbankabfragen in natürlicher Sprache ermöglicht und RAG nutzt, um die Ergebnisse zu verbessern.