Hauptinhalt überspringenNavigation überspringenFooter überspringen
Logo der Fachhochschule Nordwestschweiz
Studium
Weiterbildung
Forschung und Dienstleistungen
Internationales
Die FHNW
De
Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Logo der Fachhochschule Nordwestschweiz
      • Studium
      • Weiterbildung
      • Forschung und Dienstleistungen
      • Internationales
      • Die FHNW
      De
      Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien
      Module
      Data and AI Fundamentals

      Data and AI Fundamentals

      Nummer
      daif
      ECTS
      6.0
      Inhaltsübersicht

      Studierende lernen in diesem Modul die Grundlagen für die implizite Instruktion von Computern mit Beispielen, das heisst mit Trainingsdaten anstelle von expliziten Instruktionen. Sie lernen Daten zu visualisieren und zu beschreiben, simple Machine-Learning-Modelle zu bauen, prätrainierte (Sprach-)Modelle einzusetzen und zu evaluieren.

      Inhalte:

      • Daten umfassend qualitativ und quantitativ beschreiben
      • Daten adäquat wissenschaftlich visualisieren
      • Daten explorieren, Hypothesen formulieren und untersuchen
      • Konzepte der Modellierung und Methodik bei der impliziten Instruktion von Computern / Machine Learning
      • Evaluation von Machine-Learning-Modellen
      • Techniken des Prompt Engineering für Large Language Models (LLMs)
      • Zero- und Few-Shot-Learning mit LLMs
      • Automation mit LLMs
      • Evaluation von LLM-basierten Lösungen
      Lernziele
      • Studierende können Daten laden und explorieren
      • Studierende wissen, wie Daten wissenschaftlich adäquat visualisiert werden und können Plots erstellen, die gezielt bestimmte Einsichten ermöglichen
      • Studierende verstehen es, Daten qualitativ und quantitativ präzis zu beschreiben
      • Studierende kennen die Prinzipien der Daten-basierten Instruktion von Computern und können entsprechende Programme sinnvoll evaluieren und vergleichen
      • Studierende könne LLMs mittels gezieltem Prompt Engineering instruieren
      • Studierende verstehen es, die Ausgabe von LLMs zu evaluieren und kritisch zu prüfen
      • Studierende können LLMs in Programme einbinden und so Aufgaben automatisieren
      Empfohlene Vorkenntnisse
      Programmieren 1
      Leistungsbewertung
      Erfahrungsnote
      (Englische Version)

      Studium

      Angebot

      • Studium
      • Weiterbildung
      • Forschung & Dienstleistungen

      Über die FHNW

      • Hochschulen
      • Organisation
      • Leitung
      • Facts and Figures

      Hinweise

      • Datenschutz
      • Accessibility
      • Impressum

      Support & Intranet

      • IT Support
      • Login Inside-FHNW

      Member of: