In diesem Kurs werden typische Probleme beim Management von SW-Projekten diskutiert und dabei Methoden und Techniken vermittelt, mit denen die Herausforderungen gezielt adressiert werden können.

Darüber hinaus werden Standard-Vorgehensmodelle für das IT-Projektmanagement erläutert und gezielt deren Stärken und Schwächen herausgearbeitet.

1. Begriffe und Grundlagen im IT-Projektmanagement
   1. Projektbegriff und Arten von IT-Projekten
   2. IT-Projektlebenszyklus
   3. Multiprojektmanagement – Das Projekt im Kontext der Organisation
2. Planungstechniken
   1. Planung im Großen: Meilensteine, Teilaufgaben, Arbeitspakete
   2. Planung im Großen: Gantt-Diagramme
   3. Operative Planung und Organisation: Kanban Boards, Backlog
3. Priorisierung, Aufwandschätzung, Projektcontrolling
   1. Priorisierung
   2. Aufwandsschätzung
   3. Projektcontrolling
4. Stakeholder-, Kommunikations- und Risikomanagement
   1. Stakeholder Management
   2. Kommunikationsmanagement
   3. Risikomanagement
5. Organisation und Struktur von IT-Projekten
   1. Ausgewählte Managementmodelle: Scrum, PITPM, PRINCE2
   2. PRINCE2 - Überblick und ausgewählte Prozesse
   3. SCRUM – Überblick, Rollen, Artefakte
6. PITPM - Pragmatisches IT-Projektmanagement
   1. Struktur und Phasen in PITPM
   2. IT-Projekt konfigurieren
   3. IT-Projekt steuern

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