Microsoft CoPilot/AI - Workshop
In dem ersten Teil des Workshops ging es um den Einsatz von Microsoft Copilot und dessen Integration in verschiedene Microsoft-Produkte und -Dienste. Folgende Themen wurden behandelt:
Einführung in Copilot: Eine Beschreibung von Microsoft Copilot und wie es Unternehmen wie Baumit unterstützen kann, indem es die Produktivität steigert, die Kreativität fördert und dabei gleichzeitig Datenschutz und Sicherheit gewährleistet. Copilot in Microsoft 365: Copilot wurde in verschiedenen Microsoft 365-Produkten wie Teams, Outlook, Word, PowerPoint, Excel und anderen integriert, um die tägliche Arbeit effizienter zu gestalten. Die Funktionen reichen von der Generierung von Texten bis hin zur Analyse von Daten.
Copilot Erweiterungen: Es wurden Möglichkeiten vorgestellt, Copilot durch Plugins und Microsoft Graph Connectors zu erweitern, um externe Datenquellen zu integrieren.
Datenschutz und Sicherheit: Ein wesentlicher Aspekt war die Sicherstellung von Datenschutz und Governance, um den Anforderungen an Datenschutzgesetze, wie der GDPR, gerecht zu werden.
GitHub Copilot und Azure: Es wurde ebenfalls die Integration von GitHub Copilot und Azure AI-Diensten vorgestellt, die insbesondere für Entwickler von Bedeutung sind.
Zusammenfassend stellte die Präsentation Microsoft Copilot als vielseitiges Tool vor, das verschiedene Aufgaben im Arbeitsalltag durch den Einsatz von Künstlicher Intelligenz automatisiert und optimiert.
Im zweiten Teil des Workshops ging es um einen KI-Workshop, in dem verschiedene Themen rund um Künstliche Intelligenz (KI) behandelt werden. Hier ist eine Zusammenfassung des Inhalts:
Einführung in Künstliche Intelligenz (AI/KI): Zu Beginn gibt es eine Einführung in die Grundkonzepte der Künstlichen Intelligenz, darunter ein Brainstorming, um die Teilnehmer mit der Funktionsweise und den Prinzipien der AI vertraut zu machen.
Daten als Grundlage: Es wird erklärt, wie wichtig Daten für den Erfolg von KI-Modellen sind, und dass die Qualität der Daten eine entscheidende Rolle spielt. Es folgen Beispiele für Datensätze und die Funktionsweise neuronaler Netzwerke.
Wie rechnet eine KI?: Ein detaillierter Abschnitt zur Funktionsweise von KI, einschließlich der Berechnungsmethoden und der Erklärung von ReLU- und Softmax-Funktionen.
Backpropagation und Trainingsmethoden: Es wird auf die Trainingsprozesse der KI eingegangen, insbesondere auf die Backpropagation, eine Technik zur Minimierung von Fehlern in neuronalen Netzwerken.
Fallbeispiel: Ein praktisches Beispiel zeigt die Entwicklung einer KI zur Erkennung von handschriftlichen Zahlen.
Verschiedene KI-Modelle und ihre Anwendung: Es werden unterschiedliche KI-Modelle wie Convolutional Neural Networks (CNN), Generative Adversarial Networks (GAN) und Large Language Models (LLM) vorgestellt, die in verschiedenen Anwendungsbereichen wie Bildverarbeitung und Textgenerierung eingesetzt werden.
Prompt Engineering: Ein Abschnitt widmet sich der Kunst des „Prompt Engineering“, also der Erstellung von Eingabeaufforderungen, um von KI-Systemen qualitativ hochwertige Ergebnisse zu erhalten.
Zukunft der KI: Es wird ein Ausblick auf neue Trends und Entwicklungen in der KI gegeben, darunter Agentensysteme und Retrieval-Augmented Generation (RAG).
Anwendungsbeispiele: Verschiedene realweltliche Anwendungsbeispiele werden diskutiert, um zu verdeutlichen, wie KI in unterschiedlichen Branchen eingesetzt werden kann.