Beschreibung
Innovative, datenbasierte Softwarelösungen zu entwickeln, ist eine spannende, aber auch herausfordernde Aufgabe. In diesem Kurs 'AI-Produkte mit Domain-driven Design' wirst du lernen, wie du Künstliche Intelligenz (KI) effektiv in deine Produktentwicklung integrieren kannst. Mit der Vielzahl an verfügbaren KI-Modellen, die über APIs zugänglich sind sowie Open-Source-Lösungen, ist es jetzt einfacher denn je, KI in deine Projekte einzubinden. Du fragst dich, wie du starten sollst? An welchen Stellen deiner Produktentwicklung macht es Sinn, KI zu integrieren? Welche Features sind möglich, die zuvor nicht umsetzbar oder zu kostspielig waren? Wenn du dich in diesen Fragen wiederfindest, dann ist dieser Kurs genau das Richtige für dich! In diesem praxisorientierten Training wirst du von erfahrenen Trainerinnen begleitet, die dir die Anwendung von Künstlicher Intelligenz und maschinellem Lernen (ML) näherbringen. Du wirst lernen, wie du Anwendungsfälle für AIML identifizieren und validieren kannst. Zudem erhältst du wertvolle Kenntnisse über die passenden Werkzeuge und Strategien für eine erfolgreiche Umsetzung und Inbetriebnahme deiner Projekte. Der Kurs ist in zwei spannende Tage unterteilt. Am ersten Tag tauchen wir in die Methoden des Event Storming und des ML Design Canvas ein. Event Storming ist eine kollaborative Modellierungstechnik, die es dir ermöglicht, ein gemeinsames Verständnis der Geschäftsdomäne zu entwickeln. Gemeinsam mit Domänen- und technischen Expertinnen wirst du reale Use Cases analysieren und weitere innovative Anwendungsfälle für AIML-Technologien identifizieren. Am zweiten Tag nehmen wir die gefundenen Use Cases und formulieren konkrete ML-Problemstellungen. Mithilfe des ML Design Canvas, das wir am ersten Tag kennengelernt haben, strukturieren wir das ML-Projekt und spezifizieren alle notwendigen Komponenten für die Trainings- und Vorhersagephasen. Darüber hinaus werden wir das Data Landscape Canvas besprechen, um die Verfügbarkeit der Daten zu klären. Dieser Kurs ist für alle geeignet, die ein Interesse an der Integration von Künstlicher Intelligenz in ihre Produkte haben, unabhängig von ihrem aktuellen Wissensstand. Du benötigst keine Vorkenntnisse im Bereich Domain Driven Design, sondern kannst direkt einsteigen und von den praktischen Übungen profitieren. Am Ende des Kurses wirst du in der Lage sein, innovative AI-Produkte zu entwickeln und die Möglichkeiten von KI voll auszuschöpfen.
Tags
#Datenanalyse #Softwareentwicklung #Künstliche-Intelligenz #Künstliche Intelligenz #Maschinelles-Lernen #Praxisorientiertes-Training #Produktmanagement #Maschinelles Lernen #Datenwissenschaft #Domain-Driven-DesignTermine
Kurs Details
Dieser Kurs richtet sich an Produktmanager, Softwareentwickler, Datenwissenschaftler und alle, die ein Interesse an der Integration von Künstlicher Intelligenz in Softwareprodukte haben. Egal, ob du bereits Erfahrung im Bereich KI hast oder neu in diesem Gebiet bist, dieser Kurs bietet wertvolle Einblicke und praktische Anwendungsmöglichkeiten.
Der Kurs behandelt die Integration von Künstlicher Intelligenz und maschinellem Lernen in die Produktentwicklung mithilfe der Domain-driven Design-Methodik. Domain-driven Design (DDD) ist ein Ansatz zur Softwareentwicklung, der sich auf die Schaffung eines gemeinsamen Verständnisses der Geschäftsdomäne konzentriert. Durch Methoden wie Event Storming und das ML Design Canvas wird es möglich, Anwendungsfälle für KI zu identifizieren und zu strukturieren, um innovative und effiziente Softwarelösungen zu entwickeln.
- Was ist Event Storming und wie wird es im Kurs angewendet?
- Welche Vorteile bietet das ML Design Canvas?
- Wie identifizierst du Anwendungsfälle für AIML?
- Was sind die Schritte zur Strukturierung eines ML-Projekts?
- Welche Rolle spielt das Data Landscape Canvas in der Datenverfügbarkeit?
- Nenne ein Beispiel für einen Use Case, der durch Künstliche Intelligenz verbessert werden kann.
- Wie kannst du die Zusammenarbeit zwischen Domänen- und technischen Expertinnen fördern?
- Was sind die grundlegenden Komponenten einer Trainingsphase in einem ML-Projekt?
- Wie validierst du Anwendungsfälle für Künstliche Intelligenz?
- Welche Herausforderungen können bei der Integration von KI in bestehende Produkte auftreten?
