Plug-in-Module
Interdisziplinär, innovativ und kooperativ: In Plug-in-Modulen arbeiten Studierende mit Kommiliton:innen aller Schools an Projekten, die Fachgrenzen sprengen. So entwickeln sie individuelle Talente und Kompetenzen in unterschiedlichsten Zukunftsfeldern.
Plug-in-Module im Wintersemester 2024/25
AI & Data Science
Dieses Modul bietet TUM-Studierenden eine umfassende Einführung in das Prompt- und Bot-Engineering für die Textgenerierung mit großen Sprachmodellen (LLMs). Der Kurs kombiniert praktische Fähigkeiten im Prompt-Engineering mit einem Fokus auf rechtliche, ethische und gesellschaftliche Implikationen und behandelt Themen wie Prompt-Effektivität, verantwortungsvollen Einsatz, Mensch-Computer-Interaktion und Fragen des geistigen Eigentums.
Detaillierte Informationen und Anmeldung in TUMonline:
Nach der erfolgreichen Teilnahme an dem Kurs sind die Studierenden in der Lage, fortgeschrittene Berechnungsmethoden auf ihre eigenen Forschungsprojekte anzuwenden. Sie werden in der Lage sein, Daten zu sammeln und zu bearbeiten. Sie können vorhandene Pakete in der Programmiersprache Python nutzen, um große Textkorpora und Netzwerkdaten zu analysieren, und wissen, wie sie Standardmethoden des maschinellen Lernens auf ihre Daten anwenden können.
In diesem Modul erarbeiten sich Studierende ein tiefes Verständnis dafür, wie generative KI-Systeme mit gesellschaftlichen Werten in Einklang gebracht werden können, wobei der Schwerpunkt auf Fairness, Verantwortlichkeit und Transparenz liegt. Durch praktische Erfahrung werden sie lernen, Verzerrungen in KI-Modellen zu erkennen und abzuschwächen, während sie die Fähigkeiten entwickeln, Innovation mit ethischer Verantwortung in realen Anwendungen in Einklang zu bringen.
Detaillierte Informationen und Anmeldung in TUMonline:
- Vorlesung: Aligning Generative AI to Social Values
- Seminar: Aligning Generative AI to Social Values
Nach der erfolgreichen Teilnahme an diesem Modul verfügen die Studierenden über ein theoretisches und praktisches Verständnis der Methoden der sozialen Netzwerkanalyse und können dieses Wissen auf ihre eigenen Projekte anzuwenden. Die Studierenden werden in der Lage sein: (1) Netzwerkdaten zu sammeln, zu bearbeiten und zu visualisieren, (2) Methoden der sozialen Netzwerkanalyse anzuwenden und (3) bestehende Pakete in der Programmiersprache Python zur Analyse von Netzwerkdaten zu nutzen.
In diesem Modul erarbeiten sich die Studierenden ein umfassendes Verständnis der Grundsätze von Open Science, einschließlich Open Access, Forschungsdaten und Open-Source-Projekte; der Schwerpunkt liegt auf Ansätzen zur Demokratisierung des Wissens. Durch Praxisaufgaben und Fallstudien erwerben sie die notwendigen Fähigkeiten, um Open-Science-Praktiken in ihrer zukünftigen Karriere anzuwenden und zu einer integrativeren und zugänglicheren Wissenswirtschaft beizutragen.
Detaillierte Informationen und Anmeldung in TUMonline:
- Vorlesung und Seminar: Open Data – Open Science
In diesem Modul beschäftigen sich die Studierenden mit den psychologischen Grundlagen des Lernens und des effektiven Instruktionsdesigns für KI-basierte Systeme. Sie lernen, kognitive Lerntheorien für KI-Anwendungen nutzbar zu machen und die Interaktion zwischen Mensch und KI aus psychologischer Perspektive zu verstehen und zu analysieren