Technical skills development

Research is becoming more technical than ever: AI-based tools are changing how we work, machine learning on large datasets is spreading into every field, and being able to write and understand code is a real advantage when it comes to keeping up with recent developments. These are all things I cover in my technical trainings, drawing on my own research background, which was highly data intensive, from developing complex analysis workflows for biomedical images to training neural networks.

Generative AI in research
The potential of using AI systems across the research cycle is enormous, but using these tools uncritically carries considerable risks. In my view, developing a sensible, critical and informed approach to AI tools is one of the most important professional development tasks of our time. Also legal frameworks around data privacy and intellectual property make training more urgent than ever. 

Integrity
Technical skill and research integrity belong together, because understanding how a method works is a prerequisite of using it responsible in your work and being transparent and accountable. Finding the right balance between productivity boost and thorough research is a constant challenge for researchers.

Training approach
My technical workshops are hands-on: input on how things actually work, exercises to try them out, group reflection and discussions around insights and concerns, and time to apply them to your own problem. My workshops create a space in which people enjoy critically experimenting i a structured format.

Technical skills workshop examples

KI-Tools in der Forschung entdecken: Potenzial, Risiko, Verantwortung

Generative KI verändert gerade rasant, wie Forschung betrieben wird – von der Literaturrecherche und Datenanalyse bis hin zum Schreiben und Peer Review. In diesem Workshop bekommst du die Möglichkeit, dich strukturiert mit den praktischen Einsatzmöglichkeiten von KI-Tools auseinanderzusetzen – und mit den größeren Fragen, die sie in Bezug auf wissenschaftliche Integrität und Verantwortung aufwerfen.

Im Workshop wirst du:

  • praktische Forschungsaufgaben mit generativen KI-Tools bearbeiten und die Qualität, Zuverlässigkeit und Transparenz der Ergebnisse einschätzen
  • darüber diskutieren, ab wann und in welchem Kontext der KI-Einsatz problematisch wird – im Hinblick auf gute wissenschaftliche Praxis und Prinzipien von Open Science
  • darüber nachdenken, was es bedeutet, geistige Arbeit an mathematische Modelle auszulagern und Daten mit kommerziellen Plattformen zu teilen
  • analysieren, wie bestehende ethische und institutionelle Richtlinien auf reale Forschungssituationen mit generativer KI angewendet werden können
  • eigene Kriterien entwickeln, wie du KI verantwortungsvoll in deinen wissenschaftlichen Workflow integrieren kannst

Der Workshop kann in Umfang und Schwerpunkt angepasst werden – von kurzen Einführungssessions bis hin zu ganztägigen Formaten. 

Dieser Workshop bietet dir eine Einführung in die Nutzung von KI-basierten Systemen zur Datenanalyse. Du bekommst ein grundlegendes Verständnis dafür, wie solche Tools funktionieren, und erforscht, wie man sie praktisch im Forschungsalltag einsetzen kann.

Im Workshop wirst du:

  • die Grundlagen von großen Sprachmodellen und KI-Systemen kennen lernen
  • KI-gestützte Tools zur Datenerkundung, Visualisierung und zur Entwicklung von Analyse-Strategien entdecken
  • praktische Übungen mit tabellarischen Daten machen und dabei KI-basierte Codingtools einsetzen
  • über die Möglichkeiten und Grenzen dieser Tools im Forschungskontext diskutieren
  • ethische und rechtliche Aspekte sowie bestehende Richtlinien für den verantwortungsvollen Einsatz von KI in der Datenanalyse betrachten
  • darüber nachdenken, wie und wann du KI sinnvoll für deine eigenen Daten und Forschungsfragen einsetzen kannst

Der Workshop ist als Halbtages-Workshop konzipiert, kann aber individuell angepasst oder als Teil eines längeren KI-Workshops angeboten werden.

Dieses Workshop-Konzept habe ich gemeinsam mit Dr. Alex Britz entwickelt.. 

Der Workshop zeigt, wie sich wiederkehrende Schritte in der Datenanalyse mithilfe von Python und KI-Assistenten in robuste und reproduzierbare Workflows überführen lassen. Im Mittelpunkt stehen konkrete Anwendungsfälle der Teilnehmenden, die wir gemeinsam in automatisierte Abläufe übersetzen.

In diesem Workshop lernen die Teilnehmenden

  • eigene Anwendungsfälle zu identifizieren und als klaren Workflow zu beschreiben (Input, Arbeitsschritte, Output, Qualitätskriterien)
  • mit Unterstützung von KI Python-Skripte zu erstellen, die diese Workflows automatisieren
  • Strategien zur Validierung und Fehlerkontrolle anzuwenden
  • den Einsatz von KI im Bezug auf gute wissenschaftliche Praxis zu reflektieren (Transparenz, Datenschutz, Dokumentation)

Ich biete Workshops zu Python und Machine Learning an in Zusammenarbeit mit Dr. Alex Britz entwickelt.. 

Dieser 2-tägige Workshop ist darauf ausgelegt, dir eine solide Grundlage im wissenschaftlichen Programmieren mit Python zu vermitteln.

Durch eine Mischung aus theoretischem Input und praktischen Übungen wirst du:

  • einen Überblick über die Vielseitigkeit von Python anhand von Anwendungsbeispielen bekommen.
  • lernen, wie man Python installiert und loslegt: Jupyter Notebooks, Spyder, Anaconda, Kommandozeile
  • in die Python-Syntax eintauchen: Datentypen und Variablen, Bedingungen, Schleifen und Funktionen.
  • das Lesen und Schreiben von Dateien umsetzen.
  • erste Schritte in der Datenverarbeitung mit Numpy und Datenvisualisierung mit Matplotlib durchlaufen.
  • das Gelernte direkt an deinen eigenen Daten und Fragestellungen ausprobieren.

Der Workshop ist ideal für Gruppen mit maximal 12 Teilnehmenden geeignet. Es sind keine Vorkenntnisse im Programmieren nötig.

Ich biete Workshops zu Python und Machine Learning an in Zusammenarbeit mit Dr. Alex Britz entwickelt.. 

In diesem 2- oder 3-tägigen Workshop bekommst du eine solide Grundlage in den wichtigsten Konzepten des maschinellen Lernens, vertiefst deine Python-Kenntnisse und arbeitest an praktischen Anwendungen.

Durch eine Mischung aus theoretischem Input und praktischen Übungen wirst du:

  • die grundlegenden Prinzipien von Machine Learning zu verstehen und wie du Daten sinnvoll vorbereitest
  • deine Python-Skills gezielt zu erweitern – mit Fokus auf fortgeschrittene Konzepte für ML-Projekte.
  • überwachte Lernverfahren mit der Scikit-Learn-Bibliothek anzuwenden.
  • erste Schritte mit neuronalen Netzen und Deep-Learning-Frameworks wie PyTorch zu machen.
  • das Gelernte auf deine eigenen Daten und Probleme anwenden

Am Ende des Workshops hast du nicht nur ein solides konzeptionelles Verständnis, sondern auch konkrete praktische Skills, die du direkt in deinen eigenen Machine-Learning-Projekten einsetzen kannst.

Der Workshop ist ideal für kleine Gruppen mit maximal 12 Teilnehmenden.

In Arbeit