KI in Wissenschaft und Lehre
KI in Wissenschaft und Lehre
Chancen und Herausforderungen für die Hochschule von morgen
Nächster Termin: 29.05.2024
Ort: Ulm
Seminar: 14:00 Uhr – 18:30 Uhr
INHALT
Die rasanten Entwicklungen im Bereich der künstlichen Intelligenz haben auch erheblichen Einfluss auf Forschung und Lehre. Neben neuen Anwendungen, Forschungsfeldern und Möglichkeiten ergeben sich auch unzählige Fragen, neue Risiken und grundsätzliche Bedenken. In unserem kompakten Workshopformat für Lehrende und Forschende gehen wir detailliert auf die momentanen Entwicklungen und Problemstellungen rund um das Thema KI und (Hoch)schulen ein. Dabei werden nicht nur die wichtigsten Begriffe und Konzepte eingeführt, die für das Thema KI relevant sind, sondern auch die aktuellen Lösungsansätze in Bezug auf Forschung, Lehre und Regularien diskutiert.
THEMEN
1. Einführung in Künstliche Intelligenz (KI)
- Was ist KI & wo wird sie angewendet?
- KI als Hype oder Technologie der Zukunft?
- Was ist maschinelles Lernen
2. Konzepte und Begriffe
- Datensammlung, Datensatz, Lernalgorithmus, KI-Modell
- Lernarten (Supervised-, Unsupervised-, Reinforcement Learning)
- Generalisierung – Auf was muss ich beim Einsatz von Modellen achten?
- How to measure success – Evaluations-Metriken KI
3. KI in der Lehre
- KI an der Hochschule: der Status Quo im Jahr 2024
- Hilfsmittel und Tools: Beliebte Anwendungen für Studierende und Lehrende
- Sprachmodelle im Kontext der Lehre: Chancen, Limits und Risiken
- Fit für KI: Richtlinien, rechtliche Vorgaben und Einsatzmöglichkeiten im Kontext der Hochschule
4. KI in der Forschung
- KI als Werkzeug der Forschung: Zahlen, Perspektiven und Erwartungen
- Forschungsanträge mit KI: Was muss beachtet werden?
- Kompetenzen für die Nutzung von KI als Werkzeug der Forschung
- KI im eigenen Forschungsvorhaben: Projektablauf, wichtige Phasen und Ressourcen
Neue Rechtsgrundlagen zur Eingruppierung
- Eingruppierungsgrundsätze nach §§ 12, 13 TV-L/TVöD
- Tätigkeitsbewertung nach neuem Recht
- Unterscheidungsmerkmale zu §§ 12, 13, 14 TV-/TVöD
REFERENTEN
Dr. Timo Felser
CEO and Co-Founder of
Tensor AI Solutions GmbH
Dr. Niklas Rach
COO and Co-Founder of Tensor AI Solutions GmbH
Dr. Timo Felser
- CEO und Co-Founder von Tensor AI Solutions GmbH
- Promotion in Physik an der Universität des Saarlandes und der Universität Padova (Italien)
- Certified Information Privacy Professional (IAPP)
Dr. Niklas Rach
- COO und Co-Founder von Tensor AI Solutions GmbH
- Promotion in Informatik an der Universität Ulm und am Nara Institute of Science and Technology (NAIST) in Japan
- Dozent für KI and der Hochschule Biberach
- Certified Information Privacy Manager (IAPP)
ZIELGRUPPE
| Expertise | Erfahrungslevel |
|---|---|
| Softwareentwicklung | |
| Management | |
| KI |
Für Studenten: 100,00 €.
Alle Preise exkl. MwSt.
Die Teilnehmeranzahl ist begrenzt.
Wir behalten uns vor, das Seminar / die Weiterbildung bei zu geringer Teilnehmerzahl vorher abzusagen.
KOMMENDE TERMINE
| Veranstaltung | Format | Datum | Ort | Verfügbar | Preis | Anmeldung |
|---|---|---|---|---|---|---|
| KI in Wissenschaft und Lehre | Seminar | 29.05.2024 | Ulm + Online | freie Plätze verfügbar | 420,00€ | Anmelden |
Do you have any questions?
Your message to Tensor AI Solutions
Vision
Fair, transparent and efficient: Shaping an ethical future for AI technologies.
Mission
The project Tensor Solutions aims to make the field of Artificial Intelligence (AI) more transparent, comprehensible and efficient. With our trusted and explainable AI technology, we intend to meet the need for better verifiable of Machine Learning applications and simultaneously addresses the ethical concerns towards these technologies. Consequently, we aim not only to increase the acceptance of AI technologies in general but also to provide the best individual and comprehensible Machine Learning solution for each of our customers.
Values
- Fair
- Transparent
- Efficient
Vision
Fair, transparent and efficient: Shaping an ethical future for AI technologies.
Mission
The project Tensor Solutions aims to make the field of Artificial Intelligence (AI) more transparent, comprehensible and efficient. With our trusted and explainable AI technology, we intend to meet the need for better verifiable of Machine Learning applications and simultaneously addresses the ethical concerns towards these technologies. Consequently, we aim not only to increase the acceptance of AI technologies in general but also to provide the best individual and comprehensible Machine Learning solution for each of our customers.
Values
- Fair
- Transparent
- Efficient