Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.
136031 UE GenAI for Humanists (2024S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 05.02.2024 08:00 bis Di 27.02.2024 23:59
- Abmeldung bis So 31.03.2024 23:59
Details
max. 25 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Classes will take place in person, in the University, with some classes online, via zoom.
Attendance to both in person and online classes is recorded and count towards the evaluation
- Freitag 01.03. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 08.03. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 15.03. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 22.03. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 12.04. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 19.04. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 26.04. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 03.05. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 10.05. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 17.05. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 24.05. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 31.05. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 07.06. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 14.06. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 21.06. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
- Freitag 28.06. 09:45 - 11:15 Seminarraum 4 Hauptgebäude, Tiefparterre Stiege 9 Hof 5
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Evaluation will be mainly through individual and group hands-on assignments and a final capstone project. Participation in the class discussion and activities and an equivalent amount of extra-class dedication to the materials shall be enough to succeed in the course.
Mindestanforderungen und Beurteilungsmaßstab
Attendance is required; regular participation is the key to completing the course; all students must provide their computing environment; homework assignments must be submitted on time (some can be completed later as a part of the final project, but this must be discussed with the instructor whenever the issue arises); the final project must be submitted on time.
Prüfungsstoff
There is no examination for the course.
Literatur
The reading and video lists will be published on Moodle
Zuordnung im Vorlesungsverzeichnis
DH Skills II; S-DH Cluster I; S-DH Cluster III; S-DH Cluster IV;
Letzte Änderung: Mi 03.07.2024 15:05
> Understanding Generative AI Concepts:
-- Provide a basic understanding of the Neural Networks Architecture underlying Sequence2Sequence and Generative Models
-- Provide a comprehensive understanding of generative AI concepts and tools, including generative models for text, images and speech data.
> Practical Skills Development:
-- Learn basics of Prompt Engineering
-- Use popular Python LLM frameworks like LangChain and LLamaIndex
-- Use Generative AI models using Open Source Models from Hugging Face and proprietary APIs like OpenAI ChatGPT.> Applications and Use Cases:
-- Explore real-world applications and use cases of generative AI across different industries, such as image synthesis, text generation, and sound processing.
> Ethical Considerations:
-- Discuss ethical considerations related to generative AI, including issues like bias, fairness, and responsible AI deployment.Content will cover, but will not be limited to: Social, Technical and Practical aspects of GenAI; LLMs and other Generative Models; LLMs and GenAI for Humanities; Prompt Engineering Techniques; Python Frameworks; Few-shots learning; Fine Tuning models; Using APIs; working with Images; working with speech data; working with tabular data, Large Action Models - Agents.