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. Mikroservice-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

Das Streben nach Künstlicher Intelligenz (KI) hat die Menschheit über viele Jahrzehnte hinweg in Atem gehalten und ist seit den 60er Jahren ein aktives Forschungsgebiet. Dieser Kurs gibt einen detaillierten Überblick über die historischen Entwicklungen, Erfolge und Rückschläge in der KI sowie über moderne Ansätze in der Entwicklung der Künstlichen Intelligenz wie generative KI. Der Kurs gibt eine Einführung in das Reinforcement Learning, einen Prozess, der der Art und Weise ähnelt, wie Menschen und Tiere die Welt erleben: Erkundung der Umgebung und Ableitung der besten Aktion. Der Kurs behandelt auch die Grundsätze der Verarbeitung natürlicher Sprache und des Computer-Visualisierungsverfahrens, beides Schlüsselkomponenten für eine künstliche Intelligenz, die mit ihrer Umgebung interagieren kann.

1. Geschichte der KI
   1. Historische Entwicklunge
   2. KI-Winter
   3. Expertensysteme
   4. Bemerkenswerte Fortschritte
2. Moderne KI-Systeme
   1. Schwache KI, starke KI und künstliche Superintelligenz
   2. Anwendungsbereiche
3. Bestärkendes Lernen
   1. Was ist bestärkendes Lernen?
   2. Markov-Entscheidungsprozess und Wertfunktionen
   3. Temporales Differenzlernen und Q-Learning
4. Natural Language Processing (NLP)
   1. Einführung in NLP und Anwendungsbereiche
   2. Grundlegende NLP-Techniken
   3. Daten vektorisieren
   4. Fortschrittliche NLP-Modelle
5. Computer Vision
   1. Einführung in Computer Vision
   2. Bilddarstellung und -Geometrie
   3. Feature Engineering
   4. Semantische Segmentierung
   5. Techniken zur Bildgenerierung