Modul 407 Architektur Neuronaler Netze für Generative KI (QSP VisCo + SE&D)

Modul-Nr./ Code

407 / ANN

Studiengang

Angewandte Informatik (B.Sc.)
Angewandte Informatik – dual (B.Sc.)

Geförderte Kompetenzen

Fachkompetenz

Angestrebte Lernergebnisse des Moduls

Nach erfolgreichem Absolvieren dieses Moduls sind die Studierenden in der Lage,

die Theorie und die Architektur neuronaler Netze für generative KI zu erläutern
Modelle generativer KI als Lösungskomponenten in Software-Projekten zu integrieren

Inhalte des Moduls

Grundlagen generativer KI (Neuronale Netze, Deep Learning, Hyperparameter Tuning, Foundation Models, Finetuning)
Large Language Models (Natural Language Processing, Klassifikation und Vektorräume, Wahrscheinlichkeitsmodelle, Sequenzielle Modelle, RNNs, LSTMs, Attention-Modelle, Transformer)
Multimodale Modelle (Bildgenerierung, Diffusion-Modelle)
Generative KI in der Anwendung (Prompt Engineering, Retrieval Augmented Generation, Aufbau von Trainingsdatensätzen, Benchmarks, Automatisierung, Evaluation und Debugging, MLOps, Qualitäts- und Sicherheitsaspekte)

Studiensemester

Dauer des Moduls

ein Semester

SWS

Vorlesung (2 SWS) und Praktikum (2 SWS)

Häufigkeit des Modulangebots

Jährlich im Sommersemester

Zahl der zugeteilten ECTS-Credits

Gesamtworkload

150 Stunden

Kontaktzeit

60 Stunden

Selbststudium

90 Stunden

Art des Moduls (Pflicht, Wahl, etc.)

Wahlpflichtmodul

Verwendbarkeit des Moduls

wählbar im Rahmen der Qualifikationsschwerpunkte „Visual Computing“ und „Software Engineering & Development“ oder als Wahlpflichtmodul

Teilnahmevoraussetzungen

Die vorherige erfolgreiche Teilnahme an Modul 114: Prozedurale Programmierung und Modul 124: Objektorientierte Programmierung wird dringend empfohlen.

Modulverantwortliche Person

Prof. Dr. Kurpjuweit

Dozentin / Dozent

Prof. Dr. Kurpjuweit

Unterrichtssprache

Deutsch

Art der Prüfung / Voraussetzung für die Vergabe von Leistungspunkten

Schriftliche Prüfung

Prüfungsdauer

Dauer des Vortrags: 90 Minuten

Prüfung benotet / unbenotet

benotet

Notengewicht in der Gesamtnote

Entsprechend der ECTS-Punkte

Lehr- und Lernmethoden

Vorlesung und Praktikum

Besonderes (z.B. Online-Anteil, Praxisbesuche, Gastvorträge, etc.)

Pflichtlektüre

Wird jeweils semesteraktuell in der Vorlesung bekannt gegeben

zusätzlich empfohlene Literatur