Künstliche Intelligenz & Data Science
MCP verstehen: So arbeiten KI-Agenten für Sie
ÜberblickDiese Webinar-Aufzeichnung ist der Einstieg für alle, die bereits vom Model Context Protocol gehört haben und erfahren wollen, was hinter dem Hype steckt. Wir stellen vor, was es mit agentischer KI auf sich hat, wie man sie im Alltag einsetzt und welche neuen und altbekannten Sicherheitslücken MCP aufreißt.InhalteDas Model Context ProtocolWer steckt hinter der Idee, welche Produkte nutzen MCP bereits.Wie die Kommunikation per MCP technisch funktioniert.Das geht in der PraxisPraxisbeispiele: Wie MCP die Arbeit mit Computern verändert.Windows, Webseiten, Datenquellen: Was heute schon funktioniert und was uns erwartet.Was Entwickler wissen müssenSo entsteht eine Verbindung von KI zu Ihrer Software.Programmierbeispiele mit echten Datenquellen.Welche Sicherheitsprobleme lauernDas passiert, wenn die KI Kontrolle über Rechner und Daten bekommt.Alte Lücken, jetzt mit KI: So vermeiden Sie Fallen.Ihr NutzenNach dem Seminar wissen Sie, ob und wie agentische KI Ihren Alltag verändert und wie Sie KI-Agenten Routine-Aufgaben erledigen lassen.Sie lernen, eigene MCP-Server zu programmieren und Ihre Anwendungen an KI anzubinden.Sie vermeiden drohende Sicherheits- und Datenschutzprobleme und nutzen die Technik risikobewusst.ZielgruppeAnwender, die MCP verstehen und einordnen wollen.Entwickler, die MCP darüber hinaus für ihre Arbeit nutzen wollen.VoraussetzungenErfahrung im Umgang mit großen Sprachmodellen (z. B. ChatGPT oder Claude) ist hilfreich.
Deep Learning – Teil 3: Textverarbeitung
Der dritte Teil unserer Deep-Learning-Kursserie widmet sich der Verarbeitung von Sprache und Text mit modernen neuronalen Netzarchitekturen. Im Zentrum stehen dabei Transformer-Modelle, die heute das Rückgrat vieler Anwendungen im Bereich Natural Language Processing (NLP) bilden – von Chatbots bis hin zu automatischer Übersetzung.Sie lernen, wie Wörter mithilfe von Word Embedding in mathematische Vektoren überführt werden und damit semantische Zusammenhänge in Texten abgebildet werden können. Darauf aufbauend steigen Sie in die Welt der Transformer ein – eine der bedeutendsten Entwicklungen im Deep Learning.Der Kurs erläutert sowohl Decoder-Only-Transformer, die zur Texterzeugung verwendet werden, als auch Encoder-Decoder-Transformer, die typischerweise für Aufgaben wie maschinelle Übersetzung eingesetzt werden. Sie erfahren, wie diese Modelle strukturiert sind, wie sie trainiert werden und wie ihre verschiedenen Komponenten – wie Attention-Mechanismen, Layer Normalization und Feedforward-Blöcke – zusammenspielen.Wie in den vorherigen Kursen liegt auch hier der Fokus auf Praxisnähe: Mit zahlreichen Übungen, Codebeispielen und zwei begleitenden Projekten wenden Sie die Theorie auf reale NLP-Aufgaben an.Länge: 02:58 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Kursüberblick Herzlich willkommen zu diesem Kurs Einführung in Transformer-Modelle KapitelüberblickHauptarten von Transformer-ModellenWord-Embedding für Transformer-ModelleVorhersagen eines Decoder-Only-TransformersTextdaten in Python importierenInput- und Output-Tokens erstellenDefinition der Decoder-KomponentenDecoder-Only-Transformer trainieren und bewertenQuiz: Einführung in Transformer-Modelle Projekt 8 – Trainiere dein eigenes Large Language Model (LLM) KapitelüberblickProjektvorlage in PythonProjektlösung in Python Transformer-Modelle – Vertiefung KapitelüberblickEncoder-Decoder-Transformer – IntuitionÜbersetzte Texte in Python importierenDefinition der Encoder-KomponentenDefinition der Decoder-KomponentenEncoder-Decoder-Transformer trainieren und bewertenQuiz: Transformer-Modelle – Vertiefung Projekt 9 – KI-gestützte Textübersetzung KapitelüberblickProjektvorlage in PythonProjektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer: Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs: In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können: Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle Endgeräte Technische Voraussetzungen: Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Deep Learning – Teil 4: Deep Reinforcement Learning
Die letzte Etappe für einen gelungenen Einstieg ins Thema Deep Learning: Tauchen Sie ein in die spannende Welt des Deep Reinforcement Learning (DRL) – ein Ansatz, bei dem KI-Agenten eigenständig lernen, durch gezielte Aktionen Belohnungen zu maximieren und damit intelligente Entscheidungen zu treffen. Sie lernen die wichtigsten Konzepte im Bereich Deep Learning kennen, darunter Zustände, Aktionen, Belohnungen, Policies und Umgebungen. Ein besonderer Schwerpunkt liegt außerdem auf der Definition und Modellierung von RL-Umgebungen, z. B. mit Frameworks wie OpenAI Gym. Sie bauen eigene Agenten, trainieren diese über wiederholte Interaktion mit ihrer Umgebung und beobachten, wie die Agenten selbstständig Strategien entwickeln, etwa zur Navigation, Steuerung oder Prozessautomatisierung.Wie in den vorherigen Teilen der Reihe steht auch hier die Praxis im Vordergrund: Mit interaktiven Übungen, einem begleitenden Projekt und zahlreichen Beispielen erleben Sie DRL praxisnah und fundiert. Dieser Kurs rundet Ihre Deep-Learning-Ausbildung ab und eröffnet Ihnen spannende Perspektiven für autonome KI-Systeme.Länge: 01:27 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Kursüberblick Herzlich willkommen zu diesem Kurs Deep Reinforcement Learning KapitelüberblickDeep Reinforcement Learning (DRL) – IntuitionDRL-Umgebung definierenAktionen in einer DRL-Umgebung ausführenKI-Agenten erstellenKI-Agenten trainieren und bewertenQuiz: Deep Reinforcement Learning Projekt 10 – Trainiere deinen eigenen KI-Agenten KapitelüberblickProjektvorlage in PythonProjektlösung in PythonWeitere DRL-Umgebungen Abschluss Fazit und Kursabschluss Über den Trainer: Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs: In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können: Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle Endgeräte Technische Voraussetzungen: Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Copilot in Microsoft 365
In diesem Praxiskurs lernen Sie, wie Sie mit Copilot, dem KI-Assistenten von Microsoft 365, Ihre tägliche Arbeit effizienter und kreativer gestalten können. Copilot ist darauf ausgelegt, Ihre Produktivität zu steigern, kreative Prozesse zu unterstützen und die Zusammenarbeit in Teams zu optimieren – und genau das zeigen wir Ihnen Schritt für Schritt anhand praktischer Demonstrationen.Dabei deckt der Kurs die wichtigsten Anwendungen von Microsoft 365 ab: Excel, Word, PowerPoint, Outlook und Teams. Sie erfahren, wie Sie mit Copilot Routineaufgaben automatisieren, einfache Datenanalysen in Excel durchführen, überzeugende Texte und Präsentationen erstellen sowie E-Mails, Meetings und Projekte effizienter organisieren können. Dabei lernen Sie nicht nur die Funktionen von Copilot kennen, sondern auch, wie Sie diese nahtlos in Ihren Arbeitsalltag integrieren.Der Kurs richtet sich an alle, die ihre Arbeitsweise mit modernen Office-Technologien verbessern möchten. Grundkenntnisse in den genannten M365-Apps sind erforderlich, erste Erfahrungen mit KI-Tools hilfreich. Länge: 03:18 Stunden Alle Video-Lektionen im Überblick:Vorstellung und Kursüberblick Herzlich willkommen zu diesem Kurs Copilot und Prompt Engineering KapitelüberblickKlärung der LizenzfrageDemo-Dateien in OneDriveWo findest du Copilot?Copilot und WebinhaltePrompt EngineeringDiskussion mit CopilotQuiz: Copilot und Prompt Engineering Copilot in Excel KapitelüberblickCopilot in Excel – erste SchritteErsten Prompt erstellenSuchen und ErsetzenEinfache Formeln erstellenEinfache Funktionen erstellenWENN-FunktionVerschachtelte WENN-FunktionErste FormatierungDaten hervorhebenPivot-Tabellen erstellenDiagramm erstellenFunktion erklärenQuiz: Copilot in Excel Copilot in PowerPoint KapitelüberblickErstellen einer neuen PräsentationVorhandene Präsentation anpassenPräsentation aus bestehender Datei erstellenPräsentation mit Copilot verstehenQuiz: Copilot in PowerPoint Copilot in Word KapitelüberblickPrompt-Eingabe: Chat vs. DokumentPrompt per TexteingabeText generierenText schreibenText formatieren, umschreiben und kreativ erweiternInhalte mit Copilot besser verstehenText aus bestehendem Dokument erstellenText in Tabelle umwandelnQuiz: Copilot in Word Copilot in Outlook KapitelüberblickE-Mail schreiben lassenE-Mail-CoachingE-Mail zusammenfassenPosteingangsregeln erstellenE-Mail mit Chat-Prompt erstellenAllgemeine Fragen stellenQuiz: Copilot in Outlook Copilot in Teams, Whiteboard, OneNote und Loop KapitelüberblickCopilot in TeamsWhiteboard und CopilotCopilot in OneNoteLoop und CopilotQuiz: Copilot in Teams, Whiteboard, OneNote und Loop Abschluss Worauf es bei Copilot zu achten giltFazit und Kursabschluss Über den Trainer:Tom Wechsler ist seit mehr als 25 Jahren professionell in der Informatikbranche tätig. Seit 2007 arbeitet er als selbstständiger Cloud Solution Architect, Cyber Security Analyst und Trainer. Der charismatische Schweizer hat es sich zum Ziel gemacht, die komplexe Welt der Informatik anhand von Lernvideos so verständlich wie möglich zu erklären. So gelingt es ihm in seinen Kursen, auch komplexe Themen und Zusammenhänge verständlich zu vermitteln. Tom Wechslers Schwerpunkte liegen in den Bereichen Netzwerktechnik (Cisco), Microsoft Azure, Microsoft 365, Windows Server und Active Directory.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Next Level Midjourney – Wenn KI zum Pinsel wird
Inhalte1. Das Geheimnis starker PromptsWie funktioniert Bild-/Video-KIPromptaufbau und -sprache (Bild und Video)Prompting mit ChatGPT (inkl. Cheat Sheet)Grundlagen der KI-Bildgestaltung2. Midjourney FunktionenBilder verwaltenBildverfeinerung im Detail mit dem EditorBilder remixen und variierenBildformate anpassen3. Konsistente Charaktere, Objekte und StileBilder als Vorlage verwendenOmni-Reference richtig nutzenStil-Referenz, Style Codes, Profile und Moodboards4. Zusammenspiel mit anderen ToolsKonsistenz-Reparaturen mit Nano Banana & CoIntegration in WorkflowsUpscaling und Enhancement5. Videos generieren Warum Bild-to-Video und nicht Text-to-VideoAutomatisch oder per PromptVideos verlängernWeitere Funktionen wie Loop und HD-VideoIhr NutzenNach dem Webinar können Sie gezielt Prompts formulieren, Midjourney effizient einsetzen und Bilder oder kurze Clips in Ihrem gewünschten Look generieren.Sie lernen, wie Sie kreative Konzepte visuell umsetzen – sei es für professionelle Kampagnen, Social Media oder kreative Eigenprojekte.Statt auf fertiges Stockmaterial angewiesen zu sein, erschaffen Sie Inhalte, die einzigartig, konsistent und exakt auf Ihre Anforderungen zugeschnitten sind.ZielgruppeMarketing- und Social-Media-Teams, die starke visuelle Assets benötigen.Content Creators, Blogger, Selbstständige, die stark auftreten möchten.Agenturen und Verlage, die frische Bildsprachen für Kunden oder Publikationen suchen.Design-affine Menschen, die mit KI arbeiten möchten.Trainer, Coaches, Künstler, die ihre Marke visuell schärfen wollen.VoraussetzungenFür das Webinar sind keine speziellen Vorkenntnisse notwendig; erste Erfahrungen mit Midjourney sind jedoch von Vorteil.
Deep Learning – Teil 2: Bildverarbeitung
Der zweite Teil unserer Einstiegsreihe zu Deep Learning widmet sich voll und ganz den faszinierenden Möglichkeiten, die Deep Learning in der Bildverarbeitung bietet. Mit Convolutional Neural Networks (CNNs) lernen Sie das Herzstück moderner Computer Vision kennen – und verstehen, wie Bilder analysiert, klassifiziert und verarbeitet werden. Darüber hinaus tauchen Sie in fortgeschrittene Techniken ein, die heute in zahlreichen Anwendungen zum Einsatz kommen. Sie erfahren, wie Sie mit dem Sliding-Window-Verfahren Objekte in Bildern lokalisieren oder mit Transfer Learning vortrainierte Modelle wie VGG16 gezielt für eigene Bilderkennungsprojekte nutzen können. Ein weiterer Schwerpunkt liegt auf Autoencodern, mit denen Sie u.a. verrauschte Bilder rekonstruieren können. Schließlich erhalten Sie eine Einführung in Generative Adversarial Networks (GANs) – ein innovativer Ansatz zum Generieren von Bildern. Alle Kurse dieser Reihe legen großen Wert auf Praxis: Zahlreiche Übungen, Code-Beispiele und Projekte ermöglichen es Ihnen, das Gelernte unmittelbar anzuwenden. Mit diesem Kurs bauen Sie Ihre Kenntnisse im Bereich Deep Learning deutlich aus und sind anschließend bereit für anspruchsvolle Bildverarbeitungsaufgaben. Länge: 06:24 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs CNNs – Convolutional Neural Networks Kapitelüberblick Die Hauptkomponenten eines CNN CNNs für Schwarz-Weiß-Bilder CNNs für Farbbilder GPU-Konfiguration für CNNs Bilddaten für CNNs importieren Bilddaten für CNNs filtern CNN erstellen CNN trainieren und bewerten Quiz: CNNs – Convolutional Neural Networks Projekt 4 – Bildklassifikation mit Convolutional Neural Networks Kapitelüberblick Projektvorlage in Python Projektlösung in Python Transfer Learning und das Sliding-Window-Verfahren Kapitelüberblick Transfer Learning – Intuition Sliding Window – Intuition Bilddaten für Transfer Learning importieren Transfer-Learning-Modell erstellen Transfer-Learning-Modell trainieren Transfer-Learning-Modell bewerten Sliding Window (Schritt für Schritt) Texte auf Bildern mit OpenCV hinzufügen Mit For-Schleifen über Bilder iterieren Sliding Window automatisiert durchführen Zusammenfassung aller Sliding-Window-Schritte Überlappungen in den Sliding-Window-Vorhersagen entfernen Quiz: Transfer Learning und das Sliding-Window-Verfahren Projekt 5 – KI-basierte Objekterkennung für selbstfahrende Autos Kapitelüberblick Projektvorlage in Python Projektlösung in Python Autoencoders Kapitelüberblick Autoencoders – Intuition Vorstellung der Fashion-MNIST-Daten Bildrauschen bei Fashion-MNIST hinzufügen Autoencoder erstellen und trainieren Autoencoder bewerten Quiz: Autoencoders Projekt 6 – KI-gestützte Rauschentfernung in der Bildverarbeitung Kapitelüberblick Projektvorlage in Python Projektlösung in Python GANs – Generative Adversarial Networks Kapitelüberblick GANs – Intuition GAN-Datensatz visualisieren GAN-Datenpipeline erstellen GAN-Generator erstellen GAN-Discriminator erstellen GAN trainieren GAN bewerten Quiz: GANs – Generative Adversarial Networks Projekt 7 – KI-Bilder mit Python generieren (Generative AI) Kapitelüberblick Projektvorlage in Python Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer: Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs: In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können: Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle Endgeräte Technische Voraussetzungen: Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Deep Learning – Teil 1: Künstliche neuronale Netze mit TensorFlow
Deep Learning ist ein Teilbereich von Machine Learning, der sich auf den Einsatz künstlicher neuronaler Netze konzentriert – und in den letzten Jahren bahnbrechende Erfolge in Bereichen wie Bild- und Spracherkennung erzielt hat. Dieser erste Teil unserer Reihe zu Deep Learning vermittelt Ihnen die zentralen Grundlagen dieses faszinierenden Themas. Die praxisorientierte Einführung erläutert die Funktionsweise neuronaler Netze und befähigt Sie bereits zur Entwicklung der ersten eigenen Modelle. Sie lernen die Hauptkomponenten eines künstlichen neuronalen Netzes kennen – darunter Neuronen, Schichten, Gewichte und Aktivierungsfunktionen – und welche Rolle diese Elemente beim Lernen aus Daten spielen. Abhängig von verschiedenen Anwendungsszenarien wie Klassifikation oder Regression lernen Sie konkret, wie der Einsatz aller Komponenten funktioniert. Durch praktische Übungen und Projekte setzen Sie das Gelernte direkt um und legen den Grundstein für weiterführende Themen im Bereich Deep Learning. Länge: 05:12 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Kursüberblick Herzlich willkommen zu diesem Kurs Einleitung Kapitelüberblick Einführung in Deep Learning Ordnerstruktur und Einführung in Google Colab Quiz: Einleitung Künstliche neuronale Netze – Einführung mit TensorFlow Kapitelüberblick Deep Learning (Regression) – Intuition Datenanalyse für Deep Learning (Regression) Datenaufteilung für Deep Learning (Regression) Neuronales Netz erstellen (Regression) Neuronales Netz trainieren und bewerten (Regression) Mathematische Vertiefung – Backpropagation (Regression) Quiz: Künstliche neuronale Netze – Einführung mit TensorFlow Projekt 1 – KI-gestützte Preisprognosen im IT- und Elektroniksektor Kapitelüberblick Projektvorlage in Python Projektlösung in Python Binäre Klassifikation mit neuronalen Netzen Kapitelüberblick Deep Learning (binäre Klassifikation) – Intuition Datenanalyse für Deep Learning (binäre Klassifikation) Datenaufteilung für Deep Learning (binäre Klassifikation) Neuronales Netz erstellen (binäre Klassifikation) Neuronales Netz trainieren und bewerten (binäre Klassifikation) Backpropagation (binäre Klassifikation) Quiz: Binäre Klassifikation mit neuronalen Netzen Projekt 2 – Einsatz von KI zur Diagnose von Herz-Kreislauf-Erkrankungen Kapitelüberblick Projektvorlage in Python Projektlösung in Python Mehrklassen-Klassifikation mit neuronalen Netzen Kapitelüberblick Deep Learning (Mehrklassen-Klassifikation) – Intuition Datenanalyse für Deep Learning (Mehrklassen-Klassifikation) Datenaufteilung für Deep Learning (Mehrklassen-Klassifikation) Neuronales Netz erstellen (Mehrklassen-Klassifikation) Neuronales Netz trainieren und bewerten (Mehrklassen-Klassifikation) Backpropagation – Mehrklassen-Klassifikation (Teil 1) Backpropagation – Mehrklassen-Klassifikation (Teil 2) Quiz: Mehrklassen-Klassifikation mit neuronalen Netzen Projekt 3 – Automatisierte Klassifikation unterschiedlicher Pflanzenarten Kapitelüberblick Projektvorlage in Python Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer: Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs: In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können: Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle Endgeräte Technische Voraussetzungen: Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
KI rechtssicher einsetzen – Teil 3: KI-gestützte Softwareentwicklung
KI-Tools wie GitHub Copilot, ChatGPT und andere Code-Generatoren verändern die Art und Weise, wie Software entwickelt wird. Doch wo KI zum Einsatz kommt, entstehen neue rechtliche Herausforderungen, mit denen sich Entwickler und Unternehmen auseinandersetzen müssen.Niklas Mühleis, Rechtsanwalt für KI- und IT-Recht, vermittelt in diesem Kurs praxisnah und anschaulich die rechtlichen Grundlagen der KI-gestützten Softwareentwicklung. Sie erfahren, warum KI-generierter Code urheberrechtlich geschützt sein kann und welche Risiken sich damit aus der Nutzung von KI-Kodierwerkzeugen ergeben können.Ein Schwerpunkt liegt auf der Problematik von Open-Source-Lizenzen: Da KI-Coding-Tools überwiegend mit Open-Source-Code trainiert wurden, besteht die Gefahr unbewusster Lizenzverletzungen. Auch das Phänomen des Data Poisoning, der bewussten Manipulation von Trainingsdaten, wird behandelt. Zum Schluss erhalten Sie praktische Handlungsempfehlungen für den rechtssicheren Einsatz von KI-Coding-Tools und lernen, rechtliche Fallstricke in der KI-gestützten Softwareentwicklung frühzeitig zu erkennen und zu vermeiden.Dieser Kurs gehört zu einer 5-teiligen Reihe, die sich mit rechtlichen Fragen zum Einsatz künstlicher Intelligenz befasst:EU AI ActDatenschutzKI-gestützte SoftwareentwicklungUrheberrechtHaftungsrecht, Arbeitsrecht, ComplianceLänge: 00:20 Stunden Alle Video-Lektionen im Überblick: KI rechtssicher einsetzen – Teil 3: KI-gestützte Softwareentwicklung Herzlich willkommen zu diesem KursKI und das UrheberrechtKI und CodingVerletzung von Urheberrechten an CodeLösungsansätze und FazitQuiz: KI in der Softwareentwicklung – Rechtliche Grundlagen und Fallstricke Über den Trainer:Niklas Mühleis ist Rechtsanwalt und Partner in der Kanzlei Heidrich Rechtsanwälte. Als zertifizierter Datenschutzbeauftragter (TÜV) berät er Unternehmen umfassend zu Fragen rund um Datenschutz, IT-Recht und KI-Recht. Er hat einen Lehrauftrag an der Hochschule Hannover für Datenschutzmanagement und ist zudem Podcaster bei „Vorsicht, Kunde!“. Als Herausgeber des „Rechtsleitfadens KI im Unternehmen“ und Autor bei c’t, iX und weiteren Fachmedien gehört er zu den profilierten Experten an der Schnittstelle von Recht und Technik.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
KI rechtssicher einsetzen – Teil 2: Datenschutz
Künstliche Intelligenz verarbeitet enorme Datenmengen – darunter auch personenbezogene Daten. Das stellt Unternehmen vor die Herausforderung, KI-Systeme im Einklang mit der Datenschutz-Grundverordnung (DSGVO) zu nutzen. Dieser Kurs vermittelt Ihnen das notwendige Wissen, um datenschutzrechtliche Risiken beim Einsatz von KI zu erkennen und zu minimieren.Zunächst erhalten Sie einen Überblick über den KI-Lebenszyklus und erfahren, welche Rolle personenbezogene Daten darin spielen. Anschließend werden die zentralen Rechtsgrundlagen der DSGVO beleuchtet: Wann ist eine Einwilligung der betroffenen Personen erforderlich und in welcher Form muss sie vorliegen? Unter welchen Voraussetzungen können berechtigte Interessen geltend gemacht werden? Welche Besonderheiten gelten für öffentlich zugängliche Daten? Zudem lernen Sie die Grundsätze der DSGVO wie Zweckbindung, Datenminimierung und Transparenz kennen.Dabei werden nicht nur die Spannungsfelder zwischen dem Datenhunger von KI und den Anforderungen des Datenschutzes aufgezeigt, sondern Sie bekommen auch konkrete Handlungsempfehlungen für die Praxis.Die 5-teilige Reihe, zu der dieser Kurs gehört, richtet sich an alle, die KI verantwortungsvoll und gesetzeskonform nutzen möchten – sei es in der Projektleitung, im Datenschutz oder in der IT:EU AI ActDatenschutzRechtliche Aspekte KI-gestützter SoftwareentwicklungUrheberrechtHaftungsrecht, Arbeitsrecht, ComplianceLänge: 00:35 Stunden Alle Video-Lektionen im Überblick: KI rechtssicher einsetzen – Teil 2: Datenschutz Herzlich willkommen zu diesem Kurs Nutzung personenbezogener Daten beim KI-TrainingPersonenbezogene Daten anderer PersonenDatensparsamkeit, Datenminimierung und ZweckbindungDatenschutz bei KI-BildgeneratorenTransparenz: Informationsrechte und -pflichtenKI und Datenschutz – ein AusblickKursabschluss Über den Trainer:Niklas Mühleis ist Rechtsanwalt und Partner in der Kanzlei Heidrich Rechtsanwälte. Als zertifizierter Datenschutzbeauftragter (TÜV) berät er Unternehmen umfassend zu Fragen rund um Datenschutz, IT-Recht und KI-Recht. Er hat einen Lehrauftrag an der Hochschule Hannover für Datenschutzmanagement und ist zudem Podcaster bei „Vorsicht, Kunde!“. Als Herausgeber des „Rechtsleitfadens KI im Unternehmen“ und Autor bei c’t, iX und weiteren Fachmedien gehört er zu den profilierten Experten an der Schnittstelle von Recht und Technik.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Wissenschaftlich Schreiben mit KI-Unterstützung
Inhalte 1. Rechtliche und ethische Vorüberlegungen KI als Schreibhelfer – was sagt meine Uni? Juristische Fallstricke beim Schreiben mit KI – was ist erlaubt? Digitale Ethik – was ist redlich? 2. KI-Tools für Themenfindung, Recherche, Gliederung KI-Recherche im Web (Perplexity) Fragestellung entwickeln (Consensus) Sichtung von wissenschaftliche Papern (OpenKnowledgeMaps) Gliederung erstellen (JenniAI) Quellenstudium (ChatPDF) KI-Tools, die von der Idee bis zum fertigen Text helfen (GoThesis) 3. Schreiben mit KI-Turbo Keine Angst vorm weißen Blatt – KI liefert Inspiration KI hilft als Tutor, die Argumentation zu schärfen KI unterstützt beim korrekten Zitieren 4. FeinschliffKI als kritischer Gegenleser KI-Check:Rechtschreibung und formale Konsistenz Abschließende Prüfung auf inhaltliche Korrektheit Die genannten Anwendungen unter KI-Tools sind Beispiele, die im Webinar ggf. durch weitere ergänzt werden können. Ihr Nutzen Sie lernen Vorteile und Grenzen des KI-Einsatzes beim wissenschaftlichen Schreiben kennen und können juristische und ethische Fragestellungen bewerten. Sie bekommen einen Einblick in die Arbeit mit allgemeinen generativen Sprachmodellen wie GPT, Claude, Gemini und lernen geeignete Prompts für das wissenschaftliche Schreiben kennen. Eine Alternative sind auf wissenschaftliches Schreiben spezialisierte KI-Tools für Recherche, Gliederung, Schreiben und Nachbearbeiten. Im Webinar wird ausgewählte Software dieser Art vorgestellt. Sie können sicher beurteilen, ob und wie KI Sie bei Ihrer eigenen wissenschaftlichen Arbeit sinnvoll unterstützen kann, welche Programme dafür am besten geeignet sind und wo Sie sie finden. Zielgruppe Studierende und Hochschulangehörige Schüler und Lehrer der gymnasialen Oberstufe Voraussetzungen Erste Erfahrungen mit allgemeinen LLMs und KI-Schreibtools sind von Vorteil, aber keine Bedingung für die Teilnahme.
KI rechtssicher einsetzen – Teil 1: EU AI Act
Der EU AI Act ist das erste umfassende KI-Gesetz der Welt und betrifft alle Unternehmen, die KI entwickeln, vertreiben oder nutzen. In diesem Kurs bekommen Sie einen kompakten Überblick über die wichtigsten Regelungen. Sie lernen, wie KI-Systeme anhand ihres Risikos klassifiziert werden und welche KI-Anwendungen verboten sind.Ein Schwerpunkt des Kurses liegt auf Hochrisiko-KI-Systemen, die bereits in vielen Unternehmen zum Einsatz kommen, etwa im HR-Bereich bei der Bewerberauswahl oder Leistungsbewertung. Sie lernen die umfangreichen Pflichten für Anbieter und Betreiber kennen: von Schulungsmaßnahmen über Risikomanagement und technische Dokumentation bis hin zur menschlichen Aufsicht. Am Beispiel des Personalwesens wird beleuchtet, was dies in der Praxis konkret bedeutet.Für KI-Systeme mit begrenztem Risiko wie Large Language Models (LLMs) gelten besondere Transparenz- und Kennzeichnungspflichten. Sie erfahren, wann und wie KI-generierte Inhalte gekennzeichnet werden müssen.Nicht zuletzt klären wir, welche Sanktionen bei Verstößen drohen, und blicken auf die gestaffelte Timeline des AI Acts – von den bereits geltenden Schulungspflichten bis zu den Regelungen für Hochrisiko-KI, die bis 2027 umgesetzt werden müssen.Dieser Kurs gehört zu einer 5-teiligen Reihe, die sich mit rechtlichen Fragen zum Einsatz künstlicher Intelligenz befasst:EU AI ActDatenschutzRechtliche Aspekte KI-gestützter SoftwareentwicklungUrheberrechtHaftungsrecht, Arbeitsrecht, ComplianceLänge: 00:35 Stunden Alle Video-Lektionen im Überblick: KI rechtssicher einsetzen – Teil 1: EU AI Act Herzlich willkommen zu diesem Kurs Digitalstrategie: Regulierungstsunami der EUHochrisiko-KI: Definition, Anforderungen, Pflichten für Anbieter und AnwenderSysteme mit begrenztem RisikoFortbildungspflichten, Sanktionen und TimelineBeispiel: KI im Bereich HRFazitKursabschluss Über den Trainer:Niklas Mühleis ist Rechtsanwalt und Partner in der Kanzlei Heidrich Rechtsanwälte. Als zertifizierter Datenschutzbeauftragter (TÜV) berät er Unternehmen umfassend zu Fragen rund um Datenschutz, IT-Recht und KI-Recht. Er hat einen Lehrauftrag an der Hochschule Hannover für Datenschutzmanagement und ist zudem Podcaster bei „Vorsicht, Kunde!“. Als Herausgeber des „Rechtsleitfadens KI im Unternehmen“ und Autor bei c’t, iX und weiteren Fachmedien gehört er zu den profilierten Experten an der Schnittstelle von Recht und Technik.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Copilot in Microsoft Excel – Teil 2
In diesem Aufbaukurs vertiefen Sie Ihre Kenntnisse im Umgang mit dem Microsoft Copilot in Excel. Der Fokus liegt auf der Visualisierung von Daten, dem Arbeiten von VBA-Makros sowie dem datenschutzkonformen Einsatz des KI-Assistenten. Zunächst lernen Sie, wie Sie mit Copilot anspruchsvolle Diagramme und Pivot-Charts erstellen, passende Diagrammarten auswählen und komplexe Auswertungen durchführen. Darüber hinaus werden Sie in die Automatisierung mit VBA eingeführt und erfahren, wie Copilot Ihnen bei der Erstellung und Optimierung von Makros helfen kann. Ein besonderes Augenmerk im Kurs liegt auf typischen Fehlermeldungen und deren Behebung sowie auf Fragen des Datenschutzes beim Arbeiten mit sensiblen Unternehmensdaten. Der Kurs schließt mit einem Blick auf zukünftige Möglichkeiten von Copilot und einer Einschätzung, wann sich ein Abo lohnt. Länge: 02:30 Stunden Alle Video-Lektionen im Überblick:Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Visualisierungen KapitelüberblickPivot-ChartsAuswertungen mit Pivot-ChartsKomplexe AnalysenBesondere DiagrammartenAufgabe: VisualisierungenLösung: VisualisierungenQuiz: Visualisierungen VBA und Copilot KapitelüberblickExcel-Arbeitsmappe als XLSM-Datei speichern und EntwicklertoolsMessagebox zur Begrüßung und SchaltflächeMakro zum Hinzufügen eines Tabellenblatts und Schließen einer DateiSpaltenbreite mit Messagebox eingebenInputbox für Filterungen und Vergleich Copilot vs. ChatGPTInputbox für Sortierung und Code-Anpassung vs. Prompt-EngineeringMaximalwert ermitteln und ausgebenAufgabe: VBA und CopilotLösung: VBA und CopilotQuiz: VBA und Copilot Ergebnisse verbessern, Datenschutz und Ausblick Kapitelüberblick10 Fehlermeldungen im DetailTipps für bessere PromptsPrompt-Engineering oder Modelloptimierung?Prompts auf Englisch schreibenCopilot im Umgang mit großen DatenmengenDatenschutzGrenzen des Copilots in ExcelZukunftsmöglichkeitenLohnt sich das Copilot-Abo?Quiz: Ergebnisse verbessern, Datenschutz und Ausblick Abschluss Fazit und KursabschlussÜber den Trainer: Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs: In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können: Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen: Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
PySpark – Teil 4: Machine Learning mit Spark MLlib
Der letzte Teil unserer PySpark-Reihe beleuchtet die praktischen Anwendungsmöglichkeiten von Spark MLlib, der Machine-Learning-Bibliothek von Apache Spark. Diese stellt eine Vielzahl von Algorithmen für maschinelles Lernen bereit und ermöglicht das Trainieren von Modellen auf großen Datenmengen – skalierbar und mit nativer Python-Unterstützung.In drei Praxisprojekten setzen wir Schritt für Schritt typische ML-Aufgaben um. Zunächst erstellen wir eine Umsatzprognose aus Basis einer linearen Regression. Anschließend geht es an die Vorhersage von Kundenabwanderungen mithilfe baumbasierter Verfahren. Zum Abschluss nutzen wir das Gaussian-Mixture-Modell zum Clustering der Laufleistung von Marathonläufern. Am Anfang der drei Projekte steht die Datenvisualisierung, die es Ihnen erlaubt, Muster zu erkennen und eine Modellauswahl vorzunehmen. Dann geht es an das Aufsetzen und Trainieren der ML-Modelle. Und nicht zuletzt erfahren Sie, wie Sie die Vorhersagen der Modelle interpretieren und deren Performance anhand von Metriken bewerten.Die Reihe zu PySpark umfasst folgende Kurse:PySpark – Teil 1: Spark-Grundlagen und Datenmanipulation PySpark – Teil 2: Datenverarbeitung mit PySpark DataFramesPySpark – Teil 3: Datenverarbeitung mit Spark SQLPySpark – Teil 4: Machine Learning mit Spark MLlibLänge: 02:25 Stunden Alle Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Einführung KapitelüberblickKurzeinführung in PySparkTheorie: Überblick über MLlib und seine Komponenten MLlib-Projekt 1 – Umsatzprognose mithilfe linearer Regression KapitelüberblickVorstellung der Projektdaten und VorbereitungExplorative Datenanalyse mit Spark: Erste Einblicke gewinnenZusammenhänge erkennen: Korrelationen und MusterVerteilungen und Histogramme: Datenstruktur visualisierenRegression mit Spark MLlib: Setup und GrundlagenDatenaufteilung: Trainings- und Testdaten korrekt aufteilenModelltraining mit Spark MLlib: Umsatz vorhersagenModellauswertung: Achsenabschnitt und Regressionskoeffizienten über Regressionsfunktion interpretierenModellvorhersagenBewertungsmetriken auswertenZusammenfassung und OptimierungsvorschlägeQuiz: MLlib-Projekt 1 – Umsatzprognose mithilfe linearer Regression MLlib-Projekt 2 – Kündigungen vorhersagen mit baumbasierten Lernverfahren KapitelüberblickVorstellung der Projektdaten und ProblemstellungVorbereitung und DatenimportExplorative Datenanalyse: Muster und Auffälligkeiten erkennenVisualisierung der KündigungenVisualisierung der KundenzufriedenheitDecision-Tree-Modell: Setup und GrundlagenDatenaufteilung und ModelltrainingModellvorhersagen interpretieren und Baumstruktur analysierenModellbewertungKonfusionsmatrix erstellen und interpretierenRandom-Forest-Modell trainieren und evaluierenGradient-Boosted-Tree-Modell trainieren und evaluierenZusammenfassung und OptimierungsvorschlägeQuiz: MLlib-Projekt 2 – Kündigungen vorhersagen mit baumbasierten Lernverfahren MLlib-Projekt 3 – Clustering von Marathonathleten mit dem Gaussian-Mixture-Modell KapitelüberblickVorstellung der FallstudieVisualisierung: Regplot, Pairplot und KorrelationsmatrixVisualisierung: Scatterplot, Boxplot, FacetGrid-HistogrammClustering-Modell trainierenClusterspalte im DataFrame hinzufügenCluster grafisch visualisierenQuiz: MLlib-Projekt 3 – Clustering von Marathonathleten mit dem Gaussian-Mixture-Modell Abschluss Fazit und KursabschlussÜber den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
PySpark – Teil 3: Datenverarbeitung mit Spark SQL
Im dritten Teil unserer PySpark-Reihe steht die Datenverarbeitung mit Spark SQL im Mittelpunkt. Spark SQL ermöglicht es, strukturierte Daten in Apache Spark mit vertrauter SQL-Syntax abzufragen und zu analysieren – kombiniert mit der Skalierbarkeit verteilter Big-Data-Verarbeitung und der nahtlosen Integration von Python. Wir beginnen mit einem Überblick über die Architektur und Funktionsweise von Spark SQL. Anschließend lernen Sie, Daten zu filtern, zu sortieren und zu aggregieren. Darüber hinaus vertiefen Sie Ihr Wissen durch die Anwendung von Joins, Unterabfragen (Subqueries) und fortgeschritteneren SQL-Abfragen. Zum Schluss erfahren Sie, wie Sie Ihre Abfragen mit dem Catalyst Optimizer optimieren können. Übungsaufgaben begleiten Sie durch diesen Kurs. Damit können Sie das Gelernte praktisch anwenden und festigen.Die Reihe zu PySpark umfasst folgende Kurse:PySpark – Teil 1: Spark-Grundlagen und Datenmanipulation PySpark – Teil 2: Datenverarbeitung mit PySpark DataFramesPySpark – Teil 3: Datenverarbeitung mit Spark SQLPySpark – Teil 4: Machine Learning mit Spark MLlibLänge: 01:45 Stunden Alle Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Schnelleinstieg in PySpark KapitelüberblickKurzeinführung in PySpark Datenverarbeitung mit Spark SQL KapitelüberblickTheorie: Überblick über Spark SQL und seine ArchitekturSpark SQL in der PraxisEinfache FilterungenErweiterte FilterungenOrdnen und Sortieren von DatensätzenAufgabe: Sortieren und Filtern von DatensätzenLösung: Sortieren und Filtern von DatensätzenGruppierungen und AggregationenFehlende Daten mit NULLJoin-Operationen zwischen DataFramesUnterabfragen (Subqueries)Komplexere AbfragenCatalyst OptimizerAufgabe: Gruppierungen und JoinsLösung: Gruppierungen und JoinsQuiz: Datenverarbeitung mit Spark SQL Abschluss Fazit und KursabschlussÜber den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
PySpark – Teil 2: Datenverarbeitung mit PySpark DataFrames
PySpark bietet eine Schnittstelle für die Nutzung von Apache Spark in Python. Es vereint die Performanz von Apache Spark mit der Flexibilität von Python und erleichtert damit die Abfrage, Verarbeitung und Auswertung großer Datenmengen.Im zweiten Teil unserer PySpark-Reihe widmen wir uns der Datenverarbeitung mit DataFrames. Zunächst lernen Sie, wie Sie DataFrames erstellen und Schemas definieren und worin sich Spark- und Pandas-DataFrames unterscheiden. Danach setzen Sie zentrale Operationen wie Selektionen, Berechnungen, Filterungen und Sortierungen praktisch um. Schritt für Schritt erweitern Sie anschließend Ihr Wissen um fortgeschrittene Techniken – von Spaltenbearbeitung, Aggregationen und Gruppierungen über Pivot-Operationen bis hin zu Text-, Datums- und Zeitfunktionen. Zum Schluss erfahren Sie, wie Sie DataFrames über Joins oder Mengenoperationen kombinieren und Window-Funktionen für komplexe Analysen nutzen.Während des gesamten Kurses arbeiten Sie mit vorbereiteten Beispieldaten und können somit das Gelernte direkt in praktische Anwendung überführen und in Übungsaufgaben festigen.Die Kursreihe zu PySpark umfasst folgende Teile:PySpark – Teil 1: Spark-Grundlagen und Datenmanipulation PySpark – Teil 2: Datenverarbeitung mit PySpark DataFramesPySpark – Teil 3: Datenverarbeitung mit Spark SQLPySpark – Teil 4: Machine Learning mit Spark MLlibLänge: 03:37 Stunden Alle Lektionen im Überblick:Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Schnelleinstieg in PySpark KapitelüberblickKurzeinführung in PySpark Datenverarbeitung mit PySpark DataFrames KapitelüberblickVorstellung der Projektdaten und ProblemstellungenErstellung von PySpark DataFrames Datentypen definieren per Spark-SchemaDataFrames: Spark vs. PandasGrundlegende DataFrame-Operationen mit select()Spalten berechnen: Umsatz aus Verkaufsmenge und PreisEinfache Filterungen mit kategorischen und numerischen FilternSortieren und Ordnen von Datensätzen mit orderBy()Filterungen und OperatorenErweiterte Filterungen mit isin, between und likeAufgabe: Filterungen und SortierungenLösung: Filterungen und SortierungenQuiz: Datenverarbeitung mit PySpark DataFrames Erweiterte DataFrame-Operationen und Optimierungen KapitelüberblickSpalten bearbeiten, Elemente umbenennen, hinzufügen und löschenBedingte Spalten berechnenAggregationen: Datenbestände zusammenfassenGruppierungen und Aggregationen mit groupByGruppierungen nach mehreren Kategorien oder AggregationenFilterungen bei GruppierungenPivot-OperationenAufgabe: Spaltenbearbeitung und GruppierungenLösung: Spaltenbearbeitung und GruppierungenTextfunktionenUmgang mit fehlenden DatenArbeiten mit Datums- und ZeitfunktionenKombinieren und Joins von DataFramesOperationen mit union, intersect, und exceptWindow-Funktionen in PySparkAufgabe: Fortgeschrittene DataFrame-OperationenLösung: Fortgeschrittene DataFrame-OperationenQuiz: Erweiterte DataFrame-Operationen und Optimierungen Abschluss Fazit und KursabschlussÜber den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
PySpark – Teil 1: Spark-Grundlagen und Datenmanipulation
PySpark bietet eine Schnittstelle für die Nutzung von Apache Spark in Python. Es vereint die Performanz von Apache Spark mit der Flexibilität von Python und erleichtert damit die Abfrage, Verarbeitung und Auswertung großer Datenmengen.In diesem Kurs erhalten Sie einen fundierten Einstieg in die Arbeit mit PySpark. Nach einer theoretischen Einführung in Big Data und die Architektur von Spark lernen Sie zentrale Konzepte wie SparkContext und SparkSession kennen. Anschließend arbeiten Sie mit den grundlegenden Datenstrukturen in PySpark, den Resilient Distributed Datasets (RDDs) sowie den Spark DataFrames, und setzen Spark SQL gezielt für effiziente Datenabfragen ein. Praktische Übungen helfen Ihnen dabei, das Gelernte zu festigen und anzuwenden.Dieser Kurs gehört zu einer Kursreihe:PySpark – Teil 1: Spark-Grundlagen und Datenmanipulation PySpark – Teil 2: Datenverarbeitung mit PySpark DataFramesPySpark – Teil 3: Datenverarbeitung mit Spark SQLPySpark – Teil 4: Machine Learning mit Spark MLlibLänge: 01:23 Stunden Alle Lektionen im Überblick:Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Einführung und Vorbereitung KapitelüberblickTheorie: Was ist Big Data?Theorie: Herausforderungen bei der Arbeit mit großen DatenmengenTheorie: Big Data ToolsTheorie: Einführung in Apache Spark und seine ArchitekturGröße einer Excel-Tabelle in der AnalyseInstallation der Entwicklungsumgebung mit Jupyter LabsEinrichtung von PySpark mit Jupyter LabsQuiz: Einführung und Vorbereitung Grundlegende Konzepte und Datenstrukturen in PySpark KapitelüberblickTheorie: SparkContext und SparkSessionSparkContext und SparkSessionTheorie: Grundlegende Datenstrukturen in PySparkSpark-Cluster-Komponenten im ÜberblickPySpark-Datenstrukturen: Resilient Distributed Datasets (RDDs)PySpark-Datenstrukturen: Spark DataFramesSpark SQL als SQL-Schnittstelle für die Interaktion mit DataFramesQuiz: Grundlegende Konzepte und Datenstrukturen in PySpark Abschluss Fazit und KursabschlussÜber den Trainer:Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt. Sie können den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquizzes zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs wird lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
KI-gestützte Programmierung: Entwicklungsprozesse beschleunigen und optimieren
Das Webinar "KI-gestützte Programmierung: Entwicklungsprozesse beschleunigen und optimieren", im heise shop als Aufzeichnung der Live-Veranstaltung ansehen.Entdecken Sie das Potenzial von KI-Modellen wie ChatGPT und Github Copilot für Ihre Softwareentwicklung. Erfahren Sie, wie Sie mit modernen Tools den gesamten Entwicklungszyklus effizienter gestalten. Mit Stefan Mayer-PoppÜberblickDie Möglichkeiten der KI für die Implementierung gehen weit über das traditionelle Autocomplete hinaus. Die Dienste erkennen Fehler und generieren sogar Codeabschnitte basierend auf natürlicher Sprache und vorhandenem Code. Stefan Mayer-Popp demonstriert, wie KI-gestützte Programmierung den Entwicklungsprozess verbessern kann. In etwa vier Stunden erläutert er anhand konkreter Anwendungsfälle unter anderem, wie sich mithilfe der KI die Codeerstellung beschleunigen lässt sowie Bugs und Sicherheitslücken identifizieren lassen. Anhand von Diensten wie Github Copilot, das auch auf GPT-Technologie basiert, zeigt der Referent die Auswirkungen auf den Entwicklungsprozess. Neben den enormen Chancen bergen diese Dienste auch Risiken – für den Datenschutz bis hin zu handfesten Sicherheitslücken. Über die Analyse zur Leistungsfähigkeit der neuen Möglichkeiten hinaus betrachtet das Webinar auch die ethischen und datenschutzrechtlichen Aspekte der KI-gestützten Programmierung. Die vorgestellten Technologien sind plattformübergreifend verfügbar. Die gezeigten Beispiele betreffen gängige Plattformen wie Android, Web und Embedded-Entwicklung. ThemenschwerpunkteRapid Prototyping mit KI KI-gestützte Codegenerierung Fehler finden und Debugging-Unterstützung Produktivitätssteigerung und Beschleunigung der Entwicklungszyklen KI in Entwicklungsumgebungen Autocompletion und KI-Chatbots Code-Analyse Praktische Beispiele und Demos mit aktuellen KI-Modellen und Diensten Datenschutz und Datensicherheit bei KI im Entwicklungsprozess ZielgruppeDas Webinar richtet sich an: Softwareentwickler und Dev-Teams IT-Entscheider und Technologieverantwortliche Alle Interessierten an KI in der Programmierung
Sprach-KI produktiv einsetzen
Wie funktionieren Sprachmodelle, wo liegen ihre Grenzen, und wann führen sie in die Irre? Die c’t-Redakteure Hartmut Gieselmann und Jo Bager geben einen Überblick über Stärken und Schwächen von ChatGPT sowie Alternativen wie Llama oder Mistral. Sie erläutern deren Kosten, Ressourcenbedarf und Einsatzmöglichkeiten in verschiedenen Branchen.Ein weiteres Augenmerk liegt auf den rechtlichen Aspekten, die Sie beim Einsatz von Sprachmodellen beachten sollten. Diese betreffen den Datenschutz, das Urheberrecht sowie Transparenzpflichten, die im Rahmen der KI-Verordnung der EU ab August 2025 auf Betreiber zukommen. c’t-Redakteur Holger Bleich erklärt verständlich die Hintergründe.Inhalte1. SprachmodelleWie funktionieren SprachmodelleWas können sie leisten und wo liegen ihre GrenzenChatGPT-AlternativenKosten und RessourcenbedarfEinsatzmöglichkeiten in verschiedenen Branchen2. Rechtliche FragenDatenschutz und UrheberrechtKI-VerordnungIhr NutzenSie verstehen, wie Sprachmodelle funktionieren.Sie erkennen typische Fehler und wissen, wie Sie diese künftig vermeiden.Sie lernen Tools und Use Cases aus der Praxis kennen.Sie erfahren Wichtiges zu rechtlichen Anforderungen und Risiken.Sie sind in der Lage, einzuschätzen, welche Sprachmodelle für Ihren Bedarf taugen und wo die Grenzen liegen.ZielgruppeFachleute aus unterschiedlichen Branchen, die Sprachmodelle in ihrem Arbeitsalltag einsetzen oder deren Einführung planen.Interessierte Laien mit ersten Erfahrungen im Umgang mit KI-Anwendungen.Leistungen des TicketsLive-WebinarWebinar-Aufzeichnung für mind. 1 JahrVortragsfolien zum WebinarPersönliche TeilnahmebescheinigungSollten Sie sich darüber hinaus dafür interessieren, wie KI gezielt den Schreibprozess unterstützt, könnte unser Webinar „KI-Schreibwerkzeuge im Praxiseinsatz" für Sie interessant sein. Dort erfahren Sie, wie moderne Schreibtools auf Basis von KI Texte effizient redigieren und optimieren – eine wertvolle Ergänzung zum produktiven Einsatz von Sprach-KI.Allen Abonnenten eines academy Pass wird die Aufzeichnung des Webinars über den academy Campus zur Verfügung gestellt.
Copilot in Microsoft Excel – Teil 1
Mit dem Microsoft Copilot in Excel bekommt Ihre Datenanalyse Rückenwind. Von einfachen Formeln bis hin zu komplexen Pivot-Auswertungen lernen Sie in diesem Kurs, wie Sie Ihre Arbeitsabläufe in Excel mit gezielten Prompts optimieren. Der KI-Assistent hilft Ihnen außerdem dabei, wiederkehrende Aufgaben zu automatisieren und Formelfehler zu beheben. Data Scientist Fabio Basler zeigt Ihnen Schritt für Schritt die essenziellen Anwendungsmöglichkeiten von Microsofts Copilot in Excel. Länge: 02:50 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Einführung in Microsoft Copilot Kapitelüberblick Theorie: Was ist Microsoft Copilot? Copilot in der Online-Version einsetzen Copilot Pro einrichten Copilot in Microsoft Excel und Tipps Vorstellung der Projektdaten Theorie: Dynamische Tabellen in Excel Daten vorbereiten und als dynamische Tabellen formatieren Wie funktioniert der Copilot in Excel? Quiz: Einführung in Microsoft Copilot Grundlegende Excel-Operationen Kapitelüberblick Spalten berechnen: Umsatz aus Preis und Menge ermitteln Formeln einsetzen zur Berechnung der Kosten-Spalte Farbskala und Hervorhebungen von Daten Sortierungen von Daten Filterungen von Daten Spalten und Zeilen hinzufügen und entfernen Suchen und Ersetzen von Einträgen Spracheingaben Aufgabe: Basic Tasks Lösung: Basic Tasks Quiz: Grundlegende Excel-Operationen Formeln Kapitelüberblick Datumswerte Logikfunktionen Textfunktionen Prozentwertberechnungen Teilergebnis berechnen und Datenschnitte erstellen Formelvorschläge generieren Spalten auftrennen und verbinden Groß- und Kleinschreibung Formelfehler beheben Aufgabe: Formelberechnungen Lösung: Formelberechnungen Quiz: Formeln Pivot-Tabellen Kapitelüberblick Einführung in Pivot-Tabellen Pivot-Tabelle erstellen Auswertungen generieren Aggregationen und komplexere Analysen Vorschläge in Pivot-Tabellen generieren Excel-Datenanalyse-Feature vs. Microsoft Copilot Anomalie-Detektion Aufgabe: Pivot-Tabellen Lösung: Pivot-Tabellen Quiz: Pivot-Tabellen Abschluss Fazit und Kursabschluss Über den Trainer: Fabio Basler hat schon zu Beginn seines Studiums eine große Leidenschaft für die Methoden der Statistik und Data Science entwickelt. Über mehrere Semester hinweg konnte er als Tutor zahlreiche Studierende erfolgreich auf ihre Prüfungen und den Berufsalltag vorbereiten. Fabio Basler arbeitet als Datenanalyst in einem großen Industriekonzern. Mit großer Freude am Unterrichten gibt er sein Wissen in Online-Kursen und Seminaren weiter. So lernen Sie mit diesem Videokurs: In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können: Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle Endgeräte Technische Voraussetzungen: Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
KI-Schreibwerkzeuge im Praxiseinsatz
Webinar "KI-Schreibwerkzeuge im Praxiseinsatz", im heise shop als Aufzeichnung der Live-Veranstaltung vom Juni 2025 ansehen.Gute Texte machen Arbeit. Vom ersten Entwurf bis zur endgültigen Fassung vergeht oft viel Zeit. Da liegt die Frage nahe, ob künstliche Intelligenz einen Teil der Arbeit übernehmen kann. Viele, die beruflich mit Texten zu tun haben, schwanken allerdings noch zwischen Neugier und Skepsis den neuen KI-Textwerkzeugen gegenüber. Was können diese Tools und wo sind ihre Grenzen?KI-Schreibwerkzeuge können tatsächlich beim Schreiben unterstützen: Sie kürzen oder längen Texte, können die Grammatik prüfen und den Stil verbessern, fassen Inhalte zusammen oder übersetzen in eine andere Sprache. Allerdings ist nicht jedes Werkzeug für jeden Zweck geeignet.Das bietet das Webinar:Die c’t-Redakteurin Dorothee Wiegand zeigt in diesem praxisorientierten Webinar, wie Sie aus dem riesigen Angebot ein für Ihren Arbeitsalltag passendes Tool auswählen, gewinnbringend einsetzen und die Ergebnisse der KI kritisch prüfen. Es geht nicht um spektakulären Prompting-Budenzauber, sondern um die Frage: „Wie kann KI mich in meinem Alltag sinnvoll und effizient unterstützen?“Die Referentin stellt exemplarisch Schreib- und Übersetzungswerkzeuge auch abseits von ChatGPT vor. Dabei geht sie auf deren Möglichkeiten, aber auch auf die Einschränkungen der Tools ein. Sie entzaubert einerseits ein wenig die generative KI und zeigt andererseits, wie Sie im Alltag ganz praktisch und gewinnbringend mit KI-Werkzeugen an Texten arbeiten.Die Teilnehmer lernen in dem zweistündigen Webinar unterschiedliche Tools anhand praktischer Beispiele kennen. Dabei bleibt auch ausreichend Raum für individuelle Fragen. Sie bekommen Sicherheit im Umgang mit den Textwerkzeugen und können nach dem Webinar Vor- und Nachteile eines konkreten Tools souverän beurteilen.Unsere Referentin:Dorothee Wiegand ist c’t-Redakteurin im Ressort Internet, Datenschutz & Anwendungen. Sie beschäftigt sich unter anderem mit Bildungs- und Arbeitsmarktthemen wie dem Digitalpakt Schule oder Recruiting in Zeiten des Fachkräftemangels. Beim Testen von Apps und PC-Programmen freut sie sich über alltagstaugliche Software, die es dem Anwender leicht macht, schnell produktiv zu werden. Das umfassende Webinar zum Thema KI-Schreibwerkzeuge Die wichtigsten Techniken praxisnah und unabhängig erklärt Mit vielen Beispielen aus der Praxis
KI am Arbeitsplatz
Webinar "KI am Arbeitsplatz", im heise shop als Aufzeichnung der Live-Veranstaltung aus dem April 2025. Setzen Sie KI-basierte Dienste wie ChatGPT, Midjourney und DALL-E optimal ein. Entdecken Sie Möglichkeiten für Ihre tägliche Arbeit. Erfahren Sie, welche Fallstricke es gibt und wie Sie sie umschiffen. Mit Joerg Heidrich und Stefan Mayer-Popp.Richtig eingesetzt, kann künstliche Intelligenz (KI), bei vielen Aufgaben eine echte Unterstützung sein. Dieses Webinar beleuchtet anhand konkreter Anwendungsszenarien die Möglichkeiten wie auch die potenziellen Hürden. Der Schwerpunkt liegt auf dem Gebiet der KI-gestützten Arbeit mit Texten und dem Einsatz von Bild-KI. Das Spektrum reicht vom KI-gestützten Schreiben und Übersetzen von Texten über die Analyse von Texten, das Erstellen von Zusammenfassungen und Präsentationen bis hin zur Bildgenerierung mit KI-Diensten. Dabei beleuchten die Referenten aktuell wichtige Dienste wie ChatGPT, Midjourney, Perplexity, Kagi, oder das neue DeepSeek R1 und demonstrieren Möglichkeiten für die Anpassung und Feinabstimmung der Ergebnisse. Neben den Vorzügen, die massentaugliche KI-Dienste bieten, gibt es wichtige Aspekte zu bedenken. Stefan Mayer-Popp, Mitglied des Expertenkreises für Cybersicherheit des Bundesamtes für Sicherheit in der Informationstechnik, gibt einen Einblick in die Risiken der KI-Nutzung aus Sicht der Informationssicherheit. Ergänzend dazu erläutert Joerg Heidrich, Justiziar bei Heise, die rechtlichen Aspekte, die bei der Nutzung dieser neuen Technologie aufkommen. Hierbei werden insbesondere urheberrechtliche Fragen zur Nutzung von KI-Inhalten, der AI Act sowie Datenschutzfragen behandelt. Die Themen im Überblick: Erstellen und Übersetzung von Texten für verschiedene Anwendungsfälle Zusammenfassen von Texten und Präsentationen KI für die Bewertung technischer Sachverhalte einsetzen Arbeiten mit ChatGPT-Plugins Individuell angepasste Bots Urheberrecht an KI-Bildern und Texten Muss ich das dulden? KI-Bots von der eigenen Website fernhalten Hart durchreguliert: Der AI Act der EU kommt Umgang mit Daten in der KI: Datenschutzrechtliche Aspekte Sicherheitstechnische Aspekte Zielgruppe: Anwender, die KI bereits einsetzen oder einsetzen wollen Entscheider
Microsoft Fabric – Power BI
Power BI ist eine leistungsstarke Business-Intelligence-Plattform, die es ermöglicht, Daten aus verschiedenen Quellen zu analysieren und in interaktiven Berichten und Dashboards zu visualisieren. In diesem Kurs lernen Sie Schritt für Schritt die Hauptfunktionen von Power BI kennen, darunter die Erstellung von Berichten, die Verwendung von paginierten Berichten und die Erstellung von Dashboards. Außerdem enthält der Kurs ein praxisnahes Beispiel, in dem Sie die Transaktionsdaten eines Online-Warenhauses analysieren. Ob Sie neu in der Welt der Datenanalyse sind oder bereits Erfahrungen mit Power BI haben, dieser Kurs bietet Ihnen wertvolle Kenntnisse und praktische Fähigkeiten, um Daten effektiv zu visualisieren und Entscheidungen zu treffen. Dieser Kurs ist Teil einer Serie über Microsoft Fabric, in der Emil Vinčazović das Tool und dessen Einsatzmöglichkeiten praxisorientiert vorstellt: Einstieg in Microsoft FabricMicrosoft Fabric – Data FactoryMicrosoft Fabric – Synapse Data EngineeringMicrosoft Fabric – Synapse Data WarehouseMicrosoft Fabric – Synapse Data ScienceMicrosoft Fabric – Synapse Real-Time IntelligenceMicrosoft Fabric – Power BI Länge: 00:34 Stunden Alle Video-Lektionen im Überblick: Herzlich willkommen zu diesem Kurs Power BI in Microsoft Fabric Kapitelüberblick Was ist Power BI? Berichte Paginierte Berichte Scorecards Dashboards Datamarts Dataflows Quiz: Power BI in Microsoft Fabric Praxisbeispiel – Transaktionsdaten eines Online-Warenhauses analysieren Kapitelüberblick Direct-Lake-Modus Semantisches Modell erstellen Report erstellen Scorecard erstellen Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer und Data Scientist bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Kundenprojekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks, Azure Machine Learning Studio und seit dessen Veröffentlichung auch mit Microsoft Fabric. Seine Expertise in diesen Bereichen gibt er auch auf Fachkonferenzen und in Workshops weiter. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert.So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Microsoft Fabric – Synapse Data Science
Data Science ist für viele Unternehmen eine zentrale Kompetenz, um datenbasierte Entscheidungen zu treffen und Geschäftsergebnisse zu optimieren. Der Data Scientist und Data Engineer Emil Vinčazović zeigt Ihnen in diesem Kurs, wie Sie Synapse Data Science in Microsoft Fabric effektiv einsetzen können, um datenwissenschaftliche Aufgaben in einer cloudbasierten Umgebung durchzuführen. Beginnend mit den Grundlagen von Synapse Data Science lernen Sie das Erstellen und Testen von Machine-Learning-Modellen und den Einsatz von Notebooks für Datenanalysen. Zusätzlich erhalten Sie eine Einführung zu Environments und Experimenten, welche Ihnen helfen, die optimale Umgebung für Ihr Projekt zu erschaffen. In einem Praxisprojekt können Sie das Gelernte anhand eines Beispieldatensatzes direkt anwenden. Dieser Kurs ist Teil einer Serie über Microsoft Fabric, in der Emil Vinčazović das Tool und dessen Einsatzmöglichkeiten praxisorientiert vorstellt: Einstieg in Microsoft FabricMicrosoft Fabric – Data FactoryMicrosoft Fabric – Synapse Data EngineeringMicrosoft Fabric – Synapse Data WarehouseMicrosoft Fabric – Synapse Data ScienceMicrosoft Fabric – Synapse Real-Time IntelligenceMicrosoft Fabric – Power BI (erscheint in Kürze) Länge: 00:38 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Synapse Data Science in Microsoft Fabric Kapitelüberblick Was ist Synapse Data Science in Fabric? Modelle Experimente Notebooks Environments Quiz: Synapse Data Science in Microsoft Fabric Praxisbeispiel – Transaktionsdaten eines Online-Warenhauses analysieren Kapitelüberblick Workspace erstellen Experiment erstellen Environment erstellen Analyse und Vergleich Das Modell nutzen Abschluss Fazit und Kursabschluss Über den Trainer:Emil Vinčazović ist als Data Engineer und Data Scientist bei der arelium GmbH tätig. Seine Schwerpunkte liegen im Bereich der Ökonometrie und der Künstlichen Intelligenz. In seinen Kundenprojekten arbeitet er hauptsächlich mit Azure Synapse, Azure Databricks, Azure Machine Learning Studio und seit dessen Veröffentlichung auch mit Microsoft Fabric. Seine Expertise in diesen Bereichen gibt er auch auf Fachkonferenzen und in Workshops weiter. Zusätzlich betreibt er den YouTube-Kanal des Unternehmens, wo er Tutorials zu aktuellen Themen rund um cloudbasierte Technologien produziert. So lernen Sie mit diesem Videokurs:In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle EndgeräteTechnische Voraussetzungen:Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Machine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering
Der vierte Teil der Serie „Machine Learning mit Python“ behandelt fortgeschrittene Techniken der Datenverarbeitung. Ein besonderer Schwerpunkt liegt hierbei auf Data Pipelines, welche es Ihnen ermöglichen, die Datenvorverarbeitung zu automatisieren. Dabei lernen Sie auch, wie Sie fehlende Einträge bei kategorischen und bei kontinuierlichen Merkmalen sinnvoll ersetzen und wie Sie ordinale sowie nominale Merkmale korrekt kodieren. Außerdem gibt Ihnen der Online-Dozent Ilyas Tachakor eine Einführung in das Feature Engineering. Sie erfahren, wie Sie durch die Erstellung neuer Merkmale die Vorhersageleistung Ihrer Modelle deutlich verbessern können. Mit K-Means-Clustering lernen Sie zusätzlich ein bewährtes Verfahren zur Gruppierung von Datenpunkten und zur Reduktion der Dimensionalität kennen. Anhand eines Praxisprojekts wenden Sie das Erlernte direkt an. Der Kurs ist Teil der Serie „Machine Learning mit Python“: Machine Learning mit Python – Teil 1: GrundlagenMachine Learning mit Python – Teil 2: RegressionMachine Learning mit Python – Teil 3: KlassifikationMachine Learning mit Python – Teil 4: Data Pipelines, Feature Engineering und K-Means Clustering Länge: 02:21 Stunden Alle Video-Lektionen im Überblick: Vorstellung und Infos zum Kurs Herzlich willkommen zu diesem Kurs Data Pipelines, Feature Engineering und K-Means Clustering Kapitelüberblick Data Pipelines und Feature Engineering – Intuition Data Pipelines und Feature Engineering in PythonK-Means Clustering – Intuition K-Means Clustering in PythonQuiz: Data Pipelines, Feature Engineering und K-Means Clustering Projekt 13 – Lageabhängige Mietpreisprognose für WG-Zimmer in Frankfurt Kapitelüberblick Projektvorlage in Python Projektlösung in Python Abschluss Fazit und Kursabschluss Über den Trainer: Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern. So lernen Sie mit diesem Videokurs: In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:Flexibler Videoplayer mit vielen SteuerungsmöglichkeitenWissensquiz zur LernkontrolleLernhistorie und LernfortschrittLesezeichen und Notizen Volltextsuche in den VideosFrage-den-Experten-ModulÜbungsmaterial zum MitmachenResponsive Web-App und Videostreaming für alle Endgeräte Technische Voraussetzungen: Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.