KI für Physiker:innen: Technologien verstehen. Fundiert Entscheidungen treffen.

KI in all ihren Facetten eröffnet faszinierende Möglichkeiten – doch Informationen darüber schwanken häufig zwischen werbender Beschreibung und hoher technischer Komplexität. Das Seminar vermittelt Ihnen ein fundiertes Verständnis für die technischen Grundlagen. Gleichzeitig entwickeln Sie die Kompetenz, fundierte Entscheidungen zu treffen – beispielsweise welche KI-Tools zu Ihren spezifischen Aufgaben passen.

Sie erhalten einen Überblick über maschinelles Lernen (ML), große Sprachmodelle (LLMs) und künstliche Intelligenz (KI). Die erfahrenen Referenten definieren mit Ihnen wichtige Begriffe und zeigen Ihnen praktische Beispiele (in Python). Darüber hinaus gibt es genügend Zeit, um eigene Fragen zu stellen.

 

Inhalte

• Daten, Statistik, Semantik
• Training neuronaler Netze und einfache statistische Modelle
• Moderne Architekturen wie Transformatoren und LLMs
• Innere Mechanismen moderner KI-Modelle (Attention, Tuning, ...) und deren Anwendungen
• Diskussion von Einschränkungen (Halluzinationen, KI-Slop, begrenzte Eingabedatenqualität, ...) sowie rechtlicher und ethischer Aspekte

 

Vorkenntnisse

Fundierte Kenntnisse in linearer Algebra, Analysis und Wahrscheinlichkeitstheorie auf Bachelor-Niveau werden vorausgesetzt. Grundlegende Kenntnisse in der Programmierung mit Python sind hilfreich, aber nicht erforderlich.

 

Zeiten
Tag 1
10:00 Uhr bis 18:00 Uhr

Tag 2
9:00 Uhr bis 15:00 Uhr

 

 Zielgruppe

• Studierende & Promovierende der Physik,
• Physiker:innen aus Wissenschaft oder Industrie,
• Lehrer:innen,

die ein Solides Verständnis für KI-Technologien erhalten möchten, um fundiert Entscheidungen treffen zu können, welche KI-Tools zu ihren spezifischen Aufgaben passen, und lernen möchten, wie sie damit optimal umgehen.

 

Referenten

Andreas Fehlner, promovierter Physiker, ist als Projektmanager, Product Owner und Softwareingenieur für Künstliche Intelligenz in der Produktentwicklung tätig und überführt Ideen aus der KI-Forschung in praxisreife Produkte. Er hat über 15 Jahre Erfahrung im Bereich Machine Learning.

Florian Greil, promovierter Physiker, ist seit 10 Jahren IT- und Risko-Management Berater. Er unterstützt Firmen aus dem Finanzsektor als IT-Architekt, Anforderungs- oder Testmanager dabei, neue Software zu entwerfen, zu implementieren, zu testen und zu betreiben.

 

Kostenbeitrag pro Person

Seminarpreis:

Für DPG-Mitglieder:         535,- Euro (inkl. 7 % MwSt.)
Für Nicht-Mitglieder:       635,- Euro (inkl. 7 % MwSt.)

Jeweils zuzüglich Verpflegungskosten in Höhe von 96,- Euro (inkl. 19 % MwSt.) Kaffeepausen, Mittagessen und Tagungsgetränke. Sie erhalten gesonderte Rechnungen für den Seminarpreis sowie für die Verpflegungskosten. Eine Übernachtung ist nicht inkludiert. Bitte beachten Sie, dass die Unterkunft individuell organisiert werden muss. Wir empfehlen eine zeitnahe Reservierung, da Hotelpreise bei steigender Nachfrage stark ansteigen können.

Die Anzahl der Teilnehmer:innen ist auf 20 begrenzt. Die Vergabe der Plätze erfolgt in der Reihenfolge der Anmeldungen. Sichern Sie sich einen Platz, indem Sie sich jetzt anmelden.

Hinweis zur Förderung 

Förderwürdige Teilnehmende sind Studierende, Promovierende, Lehrkräfte und Bedürftige, die DPG-Mitglied sind und einen entsprechenden Nachweis erbringen.

Es besteht die Möglichkeit der Förderung über das WE-Heraeus-Förderprogramm. Detail-Informationen gibt es hier: Förderung von Seminarteilnehmenden im Rahmen des WE-Heraeus-Förderprogramms — DPG (dpg-physik.de)