In dieser Weiterbildung erlernen Sie die Entwicklung von Anwendungen mit Low Code Tools, insbesondere unter Verwendung von FlutterFlow. Sie werden in die Lage versetzt, mobile und Web-Applikationen zu erstellen, ohne tiefgehende Programmierkenntnisse zu benötigen. Ein Schwerpunkt liegt auf der Integration von Machine Learning, um intelligente Funktionen in Ihre Anwendungen zu implementieren. Zudem erwerben Sie Kenntnisse im Prompt Engineering, um effektive Interaktionen mit KI-Systemen zu gestalten. Sie lernen, die Benutzeroberfläche von FlutterFlow zu navigieren und verschiedene Komponenten zu nutzen, um ansprechende Layouts zu gestalten. Die Anbindung an Datenbanken ermöglicht es Ihnen, dynamische Inhalte zu verwalten und darzustellen. Durch die Anwendung von Low Code Tools werden Sie befähigt, komplexe Funktionen zu integrieren und Workflows zu automatisieren. Im Bereich Machine Learning erarbeiten Sie sich ein Verständnis für Algorithmen und deren Anwendung in Ihren Projekten. Das Prompt Engineering vermittelt Ihnen Techniken, um präzise Anweisungen für KI-Modelle zu formulieren. Die Weiterbildung kombiniert theoretische Inhalte mit praktischen Übungen. Sie wenden Low Code Tools in realen Projekten an und entwickeln eigene Anwendungen. Durch die Arbeit an Fallstudien vertiefen Sie Ihr Verständnis für Machine Learning und Prompt Engineering. Nach Abschluss sind Sie in der Lage, eigenständig Anwendungen mit Low Code Tools zu entwickeln und Machine-Learning-Modelle sowie KI-Interaktionen effektiv zu integrieren.

Flutterflow und No-Code-Tools
  • Kenntnisse im Bereich Low Code Tools: Einführung in Flutterflow und verwandte Technologien
  • Installation und Einrichtung von Flutterflow
  • Benutzeroberfläche und Navigation mit Fokus auf Low Code Tools
  • Grundlagen der App-Entwicklung mit Flutterflow
  • Anwendungen aus dem Bereich Low Code Tools: Erstellen und Anpassen von Benutzeroberflächen
  • Nutzung von vorgefertigten Widgets und Komponenten
  • Low Code Tools in der Praxis: Interaktive und reaktive Benutzeroberflächen erstellen
  • Design-Prinzipien und User Experience (UX)

Prompt Engineering und ChatGPT
  • Prompt Engineering mit Bezug auf Low Code Tools: Grundlagen und Überblick
  • ChatGPT: das Sprachmodell von OpenAI
  • Leistungsverbesserung im Kontext von Low Code Tools: Training von ChatGPT
  • Interaktive Konversation: dialogbasierte Nutzung von ChatGPT
  • Low Code Tools als Anwendungsmöglichkeiten: Nutzung von ChatGPT und Potenzialanalyse
  • Konversationelle Herangehensweise: interaktive Nutzung von ChatGPT in Chatsystemen
  • Integration von Low Code Tools zur Verbesserung der Antworten durch Kontextverständnis
  • Herausforderungen und Limitationen

AI-Development und Chatbots
  • Grundkenntnisse im Bereich Low Code Tools: Einführung in AI-Development
  • Aufbau eines einfachen Chatbots
  • Einsatz von Low Code Tools beim Trainieren von Chatbot-Modellen
  • NLP-Grundlagen für Chatbots
  • Fortgeschrittene Chatbot-Techniken mit Fokus auf Low Code Tools
  • Optimierung und Evaluation von Chatbots
  • Voice-Based Chatbots unter Einbindung von Low Code Tools
  • AI-Ethik und Datenschutz in Chatbots

Machine Learning Methoden
  • Grundlagen von Machine Learning mit Anwendungen in Low Code Tools
  • Arten des Machine Learning
  • Low Code Tools im Einsatz: Datenvorbereitung für Machine Learning
  • Training und Auswahl eines Vorhersagemodells
  • Bewertung von Modellen unter Berücksichtigung von Low Code Tools
  • Verwendung von Scikit-Learn für Klassifikationen
  • Low Code Tools für Random Forests und Entscheidungsbäume
  • Ensemble Learning (z. B. Bagging und Boosting)