Generative KI verändert unweigerlich die Softwarebranche. Tools wie ChatGPT oder Github Copilot ermöglichen es Entwicklern, effizienter als je zuvor zu programmieren. Das weckt zwar Begeisterung, aber auch Bedenken, und so neigen viele Beteiligte dazu, diesen Optimismus durch Vorsicht auszugleichen. Obwohl diese Tools rasante Fortschritte machen, fehlt es ihnen bisher noch an der nötigen Raffinesse, um verschiedene subtile, aber wichtige Aspekte von Softwareprodukten zu berücksichtigen. Dieser Kurs unterstreicht, wie wichtig es ist, diese Entwicklung anhand der bewährten Prinzipien der verantwortungsvollen KI zu verstehen.

Nach einem kurzen Überblick über KI und insbesondere über verantwortungsvolle KI tauchen die Teilnehmer in die komplexe Welt des maschinellen Lernens (ML) ein, wobei der Schwerpunkt darauf liegt, wie diese Lösungen kompromittiert werden können. Bedrohungen und Schwachstellen wie Modellumgehung, Poisoning und Inversionsangriffe werden anhand von realen Fallstudien und Live-Demonstrationen auf einfache Weise erklärt. Schließlich geben wir einen Überblick über die Sicherheitsherausforderungen von großen Sprachmodellen (LLMs) und erforschen auch die praktischen Verteidigungsmöglichkeiten.

Der Kurs beleuchtet dann die Fähigkeiten und Grenzen von generativen KI-Tools (GenAI) - wie Github Copilot, Codeium oder anderen - und bietet Einblicke in ihre Rolle bei der Codegenerierung und darüber hinaus. Die Themen umfassen intelligentes Prompt-Engineering, nicht nur in der Implementierungsphase, sondern auch bei der Erfassung der Anforderungen, dem Design, den Tests und der Wartung. Die Teilnehmer lernen Best Practices und Fallstricke bei der Verwendung von KI-generiertem Code kennen. In praktischen Übungen werden potenzielle Sicherheitslücken wie die Halluzination von Abhängigkeiten und die Pfadüberwindung demonstriert. Am Ende werden Software-Ingenieure und Manager ein klares Verständnis dafür haben, wie sie GenAI-Tools verantwortungsvoll in die verschiedenen Phasen des Softwareentwicklungszyklus integrieren können.

Objektiv

  • Verschiedene Aspekte der verantwortungsvollen KI verstehen
  • Grundlagen der Sicherheit beim maschinellen Lernen
  • Wie man generative KI verantwortungsvoll in der Softwareentwicklung einsetzt
  • Promptes Engineering für optimale Ergebnisse
  • Wie man generative KI während des gesamten SDLC anwendet

Zielgruppe

Alle Personen, die an der Verwendung von GenAI oder der Entwicklung von maschinellem Lernen beteiligt sind (Entwickler, Tester, Manager).

Standort
Startdatum
Infos zur nächsten Ausgabe
Dauer 1 Tag (entfernt)
Frequenz Zweimal pro Jahr
Beteiligt
Beteiligt
Balazs Kuss
Preis pro Teilnehmer € 800 ohne MwSt.
Broschüre herunterladen

Programm

Eine kurze Geschichte der künstlichen Intelligenz

  • Die Ursprünge der KI
  • Neuronale Netzwerke und "Wahrscheinlichkeitsmaschinen"
  • Robustheit von ML-Systemen
  • Frühe ML-Codierungstools
  • Die KI-Codierungsrevolution der 2020er Jahre


Verantwortungsvolle KI

  • Was ist verantwortungsvolle KI?
  • Rechenschaftspflicht und Transparenz
  • Abschwächung von schädlichen Verzerrungen
  • Gültigkeit und Zuverlässigkeit
  • Labor - Experimentieren mit der Reproduzierbarkeit in Copilot
  • Erklärbarkeit und Interpretierbarkeit
  • Sicherheit, Schutz, Privatsphäre und Widerstandsfähigkeit
  • Sicherheit und verantwortungsvolle KI in der Softwareentwicklung


Ein Überblick über KI und ML-Sicherheit

  • Ein schneller Überblick über ML für Nicht-Spezialisten
  • GIGO und andere bekannte ML-Fallen
  • Bösartige Nutzung von KI
  • Reale Angriffe auf KI
  • Unterwanderung der KI zum Angriff auf andere
  • KI- und ML-Sicherheitsstandards
  • Ein kurzer Blick auf ML-Hacking: Umgehung
  • Ein kurzer Blick auf ML-Hacking: Vergiftung
  • Ein kurzer Blick auf ML-Hacking: Modellinversion
  • Ein kurzer Blick auf ML-Hacking: Modell-Diebstahl
  • Die Sicherheit von großen Sprachmodellen


GenAI verantwortungsvoll in der Softwareentwicklung einsetzen

  • Grundlagen der LLM-Codeerzeugung
  • Grundlegende Bausteine und Konzepte
  • GenAI-Tools für die Kodierung: Copilot, Codeium und andere
  • Kann KI... die "langweiligen Teile" übernehmen?
  • Kann AI... gründlicher sein?
  • Kann KI... Ihnen beibringen, wie man programmiert?
  • Übung - Experimentieren mit einer unbekannten API in Copilot
  • GenAI als Produktivitätsschub
  • Die dunkle Seite von GenAI
  • Prompt-Engineering-Techniken für die Codegenerierung
  • Integration von generativer KI in den SDLC
  • Sicherheit von KI-generiertem Code


Zusammenfassung und Denkanstöße

  • Verantwortungsvolle KI-Prinzipien in der Softwareentwicklung
  • Ressourcen und zusätzliche Anleitungen

Methoden

Live-Schulungen unter der Leitung eines Ausbilders im Online-Klassenzimmer. Besprechungen. Praktische Übungen anhand von Fallstudien und Live-Laborübungen.

Zertifizierung

Die Teilnehmer erhalten ein Kurszertifikat des High Tech Institute für die Teilnahme an dieser Schulung.