Der Einsatz von großen Sprachmodellen (Large Language Models, LLMs) in Wirtschaft und Gesellschaft stellt einen bedeutenden Meilenstein in der Anwendung von AI-Technologien dar und fördert auch weiterhin branchenübergreifende Chancen für Innovationen. Dem Bereich der generativen AI zugehörig, sind LLMs maschinelle Lernmodelle, die anhand großer Mengen von Textdaten trainiert werden und für die Verarbeitung von Sprache konzipiert sind. LLMs wie GPT-5 oder Claude, sogenannte Chatbots, können komplexe Zusammenhänge verstehen, Absichten erkennen und mehrsprachig agieren und sind beispielsweise in CRM- oder Helpdesk-Systemen von großem Nutzen. LLMs optimieren die Arbeit von Analysten, Datenwissenschaftlern und Risikomanagern, indem sie automatisch Code für verschiedene statistische und ML-Aufgaben generieren und optimieren sowie bei der Visualisierung unterstützen. Trotz der umfassenden Unterstützung durch LLMs bleibt jedoch ein Verständnis der methodischen Grundlagen von Data Analytics nicht nur für Risikomanager unverzichtbar, um korrekte Prompts zu formulieren und die Resultate einer sorgfältigen Bewertung zu unterziehen.

错误:搜索内容不能为空,请输入英文关键词
错误:关键词超出字数限制,请精简
高级检索

LLMs zur Generierung von R- oder Python-Code verwenden

  • Frank Romeike,
  • Gabriele Wieczorek

摘要

Der Einsatz von großen Sprachmodellen (Large Language Models, LLMs) in Wirtschaft und Gesellschaft stellt einen bedeutenden Meilenstein in der Anwendung von AI-Technologien dar und fördert auch weiterhin branchenübergreifende Chancen für Innovationen. Dem Bereich der generativen AI zugehörig, sind LLMs maschinelle Lernmodelle, die anhand großer Mengen von Textdaten trainiert werden und für die Verarbeitung von Sprache konzipiert sind. LLMs wie GPT-5 oder Claude, sogenannte Chatbots, können komplexe Zusammenhänge verstehen, Absichten erkennen und mehrsprachig agieren und sind beispielsweise in CRM- oder Helpdesk-Systemen von großem Nutzen. LLMs optimieren die Arbeit von Analysten, Datenwissenschaftlern und Risikomanagern, indem sie automatisch Code für verschiedene statistische und ML-Aufgaben generieren und optimieren sowie bei der Visualisierung unterstützen. Trotz der umfassenden Unterstützung durch LLMs bleibt jedoch ein Verständnis der methodischen Grundlagen von Data Analytics nicht nur für Risikomanager unverzichtbar, um korrekte Prompts zu formulieren und die Resultate einer sorgfältigen Bewertung zu unterziehen.