Bei der grundlegenden Entwicklung moderner Anwendungen werden neue Ansätze wie Microservice-Architekturen, agile Vorgehensweisen und Virtualisierung immer wichtiger. Agile Entwicklung steht für sehr schnelle Releases von kleinen Software-Inkrementen. Da wichtige wiederkehrende Aufgaben für jedes Release wie Testen, Konfiguration und Inbetriebnahme zeitaufwändig sind, ist ein hoch automatisierter Softwareentwicklungs- und Deployment-Prozess erforderlich. Außerdem werden Entwicklung und Betrieb verstärkt zu einer eng verzahnten Aufgabe, ausgelöst durch einen einzigen Code-Commit. Die Implementierung einer vollautomatisierten Continuous-Delivery-Pipeline sowie die Zusammenfassung von Entwicklung und Betrieb in einem DevOps-Team, das ganzheitlich für einen (Micro-) Service verantwortlich ist, sind für die moderne Softwareentwicklung unerlässlich. In diesem Kurs werden beide Ansätze mit einem besonderen Fokus auf den Einsatz von Tools vorgestellt.

1. Das Konzept von DevOps
   1. Probleme in traditionellen Vorgehensmodellen
   2. Ziele von DevOps
   3. DevOps-Fallstudien
   4. DevSecOps
2. Service-Architekturen
   1. Microservice
   2. Domain-Driven Design
   3. Containerisierung und Platform as a Service
   4. Fallbeispiele
3. DevOps-Umgebung
   1. Konzepte der Versionskontrolle
   2. Werkzeuge zur Versionskontrolle
   3. Code-Repositories
   4. Paketmanager
   5. Virtualisierung
4. Continuous Integration und Deployment
   1. Continuous Delivery Pipeline
   2. Build-Tools
   3. CI/CD-Engines und Server
   4. Konfigurationsmanagement und Infrastructure as Code
5. Automatisiertes Testen
   1. Grundlegende Konzepte
   2. Tools zur statischen Analyse
   3. Unit-Test-Werkzeuge
   4. Werkzeuge für UI- und Akzeptanztests
   5. Werkzeuge für Performanztests
6. Informationssicherheit in DevOps
   1. Rollen und Verantwortlichkeiten
   2. Change Management

Die Suche nach künstlicher Intelligenz (KI) hat das Interesse der Menschheit seit vielen Jahrzehnten begeistert und ist seit den 1960er Jahren ein aktives Forschungsgebiet. Dieser Kurs gibt einen detaillierten Überblick über die historischen Entwicklungen, Erfolge und Rückschläge der KI sowie über moderne Ansätze in der Entwicklung der künstlichen Intelligenz.

Dieser Kurs gibt eine Einführung in das bestärkende Lernen, einem Prozess, der dem ähnelt, wie Menschen und Tiere die Welt erleben: die Umwelt zu erforschen und die beste Vorgehensweise abzuleiten.

In diesem Kurs werden auch die Prinzipien der natürlichen Sprachverarbeitung und der Computer Vision (computerbasiertes Sehen) behandelt, beides Schlüsselkomponenten für eine künstliche Intelligenz, die in der Lage ist, mit ihrer Umgebung zu interagieren.

1. Geschichte der KI
   1. Historische Entwicklungen
   2. KI-Winter
   3. Expertensysteme
   4. Bedeutsame Fortschritte
2. Moderne KI-Systeme
   1. Schwache versus allgemeine KI
   2. Anwendungsbereiche
3. Bestärkendes Lernen
   1. Was ist bestärkendes Lernen?
   2. Markov-Ketten und Wertfunktion
   3. Zeitdifferenz und Q-Lernen
4. Verarbeitung natürlicher Sprache (NLP)
   1. Einführung in NLP und Anwendungsbereiche
   2. Grundlegende NLP-Techniken
   3. Vektorisierung von Daten
5. Computer Vision
   1. Pixel und Filter
   2. Feature-Erkennung
   3. Verzerrungen und Kalibrierung
   4. Semantische Segmentierung