Fraunhofer-Institut für Angewandte Informationstechnik FITIm heutigen digitalen Zeitalter ist die Bereitstellung von KI-fähigen Datensätzen entscheidend, um das volle Potenzial der Künstlichen Intelligenz in Wirtschaft und Forschung auszuschöpfen. Dies verlangt ein einheitliches Verständnis von Datenressourcen im gesamten Unternehmen sowie eine kontinuierliche Anpassung an ein gemeinsames Wissensverständnis. Im folgenden Programm lernen Sie, wie Datensätze Findable, Accessible, Interoperable und Reusable (FAIR) gemacht werden können, um den ständigen Wandel und die Innovation im Datenmanagement voranzutreiben.
FAIR-Data-Training: Erstellung von Wissensgraphen für große Sprachmodelle (LLMs)
Mit Datenkompetenz KI-fähige Datensätze erstellen
Der englischsprachige Kurs zielt darauf ab, das Konzept von FAIR-Data (Findable, Accessible, Interoperable und Reusable) zu vertiefen. Im Laufe des Kurses werden wir häufige Schwierigkeiten bei der Aufbereitung von Daten für KI herausarbeiten und lösen. Sie haben die Möglichkeit, die Prozessabläufe und Standards auszuprobieren, mit denen sich Daten in Wissensgraphen besser organisieren lassen. Nach Abschluss des Kurses sind Sie in der Lage, eine kuratierte Wissensdatenbank für Ihre Organisation aufzubauen und diese mit großen Sprachmodellen abzufragen.
Lernziele
Sie lernen folgende Themen kennen:
- Erstellung von KI-fähigen Datensätzen gemäß den FAIR-Richtlinien und -Prozessen
- Standardisierung von Wissen mithilfe von Vokabularen und Ontologien
- Konvertierung von Daten in RDF und Erstellung von Wissensgraphen
- Nutzung von ChatGPT zur Interaktion mit Ihren Daten und Wissensgraphen
- Förderung eines Wandels in der Datenmanagementkultur
Sehen Sie sich einen Ausschnitt aus dem Interview mit Herman van Vlijmen an, in dem es darum geht, wie man die richtige Einstellung entwickelt und zum Botschafter für FAIR-Data wird.
Herman van Vlijmen ist Professor für computergestützte Wirkstoffforschung an der Universität Leiden, Leiter des Bereichs Computational Chemistry bei Janssen und Projektleiter des FAIRplus-Projekts. Weitere Informationen finden Sie hier in seiner Biografie.
Zielgruppe
Der Kurs richtet sich an Forschende und Fachleute, die Daten FAIRer gestalten und dadurch zu Botschafterinnen und Botschaftern für FAIR-Data innerhalb ihrer eigenen Organisationen und darüber hinaus werden möchten. Während des Kurses bieten wir Ihnen die besondere Gelegenheit, gemeinsam mit führenden Fachleuten der Branche an Beispielen aus der Praxis zu arbeiten, um FAIR-Data-Lösungen zu entwickeln.
Das Programm im Detail
Die Module des FAIR-Optimierungsprozesses sind in zwei Phasen unterteilt:
Erste Phase: Grundlagen der FAIR-Data-Kompetenz und Wissensgraphen
Die erste Phase besteht aus theoretischen Online-Modulen, die grundlegende Fragen beantworten: Was bedeutet FAIR-Data und was leisten FAIR-Initiativen? Wie lassen sich eigene Daten bewerten und Ziele für die FAIR-Optimierung festlegen? Außerdem gibt es eine Einführung in das »FAIR Cookbook« sowie Anleitungen zur Nutzung und Erstellung von Rezepten.
Zweite Phase: Workshop zu Wissensgraphen und generativer KI
Die zweite Phase ist ein praktischer Online-Workshop. Während des Workshops arbeiten die Teilnehmenden in kleinen Gruppen an verschiedenen Konzepten, die sie in der vorherigen Phase gelernt haben. Sie erfahren, was »vollständig KI-fähige Daten« bedeuten und bereiten sich darauf vor, das Wissen in Ihrer eigenen Organisation umzusetzen. Der Workshop wird von unseren FAIR-Data-Expertinnen und -Experten begleitet.
Dieser Kurs wird auf Englisch gehalten.
Anmeldeformular
für die Warteliste