2.3.3 Grundlegende Konzepte der künstlichen Intelligenz erklären
Unterrichtsmaterial zum Lernziel: Die Maturandinnen und Maturanden können grundlegende Konzepte der künstlichen Intelligenz erklären.
Der naive Bayes-Klassifikator als Spamfilter
Dieses Unterrichtsmaterial erklärt die Funktionsweise des naiven Bayes-Klassifikators anhand eines einfachen Spamfilter-Beispiels. Die Lernenden berechnen Wahrscheinlichkeiten sowie das Wahrscheinlichkeitsverhältnis und lösen dazu konkrete Aufgaben mit Musterlösungen.
Der naive Bayes-Klassifikator als Spamfilter
Dieses Unterrichtsmaterial erklärt die Funktionsweise des naiven Bayes-Klassifikators anhand eines einfachen Spamfilter-Beispiels. Anhand von Tabellen, Wahrscheinlichkeitsberechnungen und praktischen Aufgaben lernen Schülerinnen und Schüler die mathematischen Grundlagen und Grenzen einfacher KI-Modelle kennen.
Künstliche Intelligenz und Maschinelles Lernen
Dieses Unterrichtsmaterial vermittelt die Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens. Es beleuchtet klassische algorithmische Ansätze im Vergleich zu subsymbolischen Systemen wie Neuronalen Netzen und wird durch praktische Aufgaben mit interaktiven Tools ergänzt.
Unterrichtsreihe Finanzdatenanalyse und KI-gestützte Finanzmarktprognosen
Diese Unterrichtsreihe verbindet Wirtschaft, Informatik und Mathematik in drei differenzierten Leistungsniveaus. Im ersten Teil werden Grundlagen der Finanzdatenanalyse und Visualisierung erarbeitet, während der zweite Teil eine Projektarbeit zu KI-gestützten Finanzmarktprognosen beinhaltet.
MENACE - Ein lernender Computer aus Zündholzschachteln
Das Material beschreibt ein Projekt für das Gymnasium, bei dem das berühmte Experiment MENACE von Donald Michie nachgebaut wird. Dabei handelt es sich um einen mechanischen, lernenden Computer aus Zündholzschachteln, der Tic-Tac-Toe spielen kann und grundlegende Konzepte von maschinellem Lernen spielerisch veranschaulicht.
Maschinelles Lernen: Punkt- und Linienklassifikatoren
In dieser Lernumgebung setzen sich Schülerinnen und Schüler mit dem Klassifizieren von verschiedenen Daten anhand realer Datensätze auseinander. Das Material führt in grundlegende Konzepte des maschinellen Lernens ein.
Abenteuer Informatik - Unterrichtsmaterial zu Algorithmen und Künstlicher Intelligenz
Dieses Lehrmittel führt Schülerinnen und Schüler systematisch in die Organisation von Datensammlungen, effiziente Such- und Optimierungsalgorithmen sowie in die Grundlagen von Lernalgorithmen und Künstlicher Intelligenz ein. Es setzt dabei auf anschauliche und problemlösungsorientierte Zugänge.
Einführung in die künstliche Intelligenz mittels A*-Graphensuche
Diese Unterrichtseinheit für die Sekundarstufe II führt anhand der A*-Graphensuche in grundlegende Konzepte der künstlichen Intelligenz ein. Die Schülerinnen und Schüler lernen Möglichkeiten und Grenzen von KI-Verfahren im Bereich der Graphensuche kennen.
Datenaufbereitung für KI-Modelle
Das Unterrichtsmaterial führt in die Grundlagen der Datenaufbereitung für KI-Modelle ein und behandelt Themen wie Datenbereinigung, Vereinheitlichung und Labeling anhand eines praktischen Beispiels zur Spam-Erkennung. Die Lernenden untersuchen eigene Datensätze und reflektieren die Herausforderungen bei der Datenerfassung sowie die Funktionsweise von Sprachmodellen.
Modelltraining für Spamfilter mit Excel
Dieses Unterrichtsmaterial führt in den Trainingsprozess von Machine-Learning-Modellen am Beispiel einer Spam-Erkennung ein. Dabei wird bewusst auf komplexe Programmierbibliotheken verzichtet und stattdessen Microsoft Excel verwendet, um die zugrundeliegenden Daten- und Trainingsprinzipien nachvollziehbar zu vermitteln.
Validierung und Naive-Bayes-Klassifikation am Beispiel eines Spamfilters
Dieses Unterrichtsmaterial behandelt anhand eines praktischen Beispiels die Funktionsweise und Validierung eines Spamfilters mittels Naive-Bayes-Klassifikation. Die Lernenden berechnen Wahrscheinlichkeiten von Hand, analysieren den Einfluss von Datenqualität auf die Ergebnisse und reflektieren über das Verhalten von KI-Systemen.
Fazit zu KI und Spamfilter
Dieses Unterrichtsmaterial enthält Aufgaben und ein Fazit zur künstlichen Intelligenz, konkret am Beispiel eines Spamfilters mit dem Naiven Bayes Klassifikator sowie Ausblicken auf Bias, Ethik und andere KI-Modelle.
Grundsätze zur Anwendung von KI am Gymnasium Kirchenfeld
Dieses Dokument erläutert Richtlinien und Best Practices für den Umgang mit künstlicher Intelligenz am Gymnasium. Es behandelt Themen wie Medienkompetenz und Bias, lernfördernden Einsatz, Prompt Engineering sowie Datenschutz und Urheberrecht.
Lernziele zu Künstlicher Intelligenz, Big Data und Datenschutz
Dieses Dokument listet zentrale Lernziele zu den Themen Künstliche Intelligenz, Big Data, Datenschutz (DSGVO) und Urheberrecht (Creative Commons) auf. Es dient als Übersicht für Schülerinnen und Schüler, um Grundbegriffe und gesellschaftliche Auswirkungen einzuordnen.
Künstliche Neuronen und Hebbsche Lernregel mit Thymio
Das Unterrichtsmaterial führt in künstliche neuronale Netze und die Hebbsche Lernregel ein. Anhand mathematischer Formeln und einer Aseba-Musterlösung für den Thymio-Roboter wird gezeigt, wie künstliche Neuronen implementiert und trainiert werden.
Datenaufbereitung für KI und Spamfilter
Dieses Unterrichtsmaterial führt Schülerinnen und Schüler spielerisch und praxisnah in die Datensammlung und Datenaufbereitung für KI-Modelle am Beispiel eines Spamfilters ein. Es werden Aspekte wie Labeling, Trainingsdatenmengen von Sprachmodellen und die Klassifikation von Grenzfällen wie Graymails behandelt.
Grundbegriffe der Künstlichen Intelligenz und einfache Klassifikation
Das Unterrichtsmaterial vermittelt zentrale Grundbegriffe der künstlichen Intelligenz und des maschinellen Lernens anhand konkreter Beispiele wie Spamfiltern. Es enthält Definitionen, Anwendungsbeispiele sowie Übungsaufgaben inklusive Musterlösungen zu Themen wie Bias und Klassifikation.
Gesellschaftliche Auswirkungen durch KI
Dieses Unterrichtsmaterial beleuchtet die Chancen, Risiken und gesellschaftlichen Herausforderungen von Künstlicher Intelligenz anhand eines Quiz und weiterführender Diskussionsaufgaben. Themen wie Datenschutz, Bias, Deepfakes und der verantwortungsvolle Umgang im Schulalltag stehen dabei im Vordergrund.
Konzept Maschinelles Lernen
Der Text erklärt das Konzept des maschinellen Lernens als Teilgebiet der künstlichen Intelligenz. Anhand einer alltäglichen Analogie wird verdeutlicht, wie Systeme Muster in Daten erkennen und verallgemeinern können. Zudem werden symbolische und subsymbolische Systeme kurz gegenübergestellt.
SoekiaGPT: Funktionsweise grosser Sprachmodelle
Dieses Material stellt eine webbasierte Simulation eines Textgenerators für den Unterricht vor. Es erklärt vereinfacht die Funktionsweise von grossen Sprachmodellen wie ChatGPT durch maschinelles Lernen und statistische Textanalyse.
Vortragsreihe und Diskussion zu Big Data und Künstlicher Intelligenz
Die Schülerinnen und Schüler setzen sich in Gruppen anhand von Buchkapiteln und Zusatzquellen kritisch mit den gesellschaftlichen Auswirkungen von Big Data und Künstlicher Intelligenz auseinander. Sie diskutieren ethische Fragestellungen in Bereichen wie Justiz, Medizin oder ChatGPT und präsentieren ihre Ergebnisse in Form eines strukturierten Vortrags.
Maschinelles Lernen: Lernalgorithmen
Diese Lernumgebung vom ABZ der ETH Zürich thematisiert, wie Algorithmen aus Daten Strategien lernen können. Sie bietet Einblicke in grundlegende Konzepte des maschinellen Lernens für den Informatikunterricht.
Lokale Sprachmodelle mit LM Studio
Das Material führt in die Nutzung von LM Studio ein, um grosse Sprachmodelle (LLMs) lokal auf dem eigenen Computer auszuführen. Es erklärt grundlegende Konzepte wie Modellformate, Parameter und deren Genauigkeit und leitet dazu an, konkrete Modelle herunterzuladen.
Big Data – Einführung
Das Material bietet eine kompakte Einführung in das Thema Big Data und erklärt wichtige Fachbegriffe wie Data Mining, Machine Learning, Datenvisualisierung und Datenaufbereitung. Es vermittelt grundlegende Konzepte der automatischen Informationsverarbeitung und Mustererkennung auf grossen Datenmengen.
Einführung in Künstliche Intelligenz
Der Text bietet eine verständliche Einführung in die Grundlagen der künstlichen Intelligenz, vergleicht klassische Algorithmen mit KI-Algorithmen und beleuchtet die Funktionsweise sowie Grenzen von generativer KI.
Die Geschichte der KI-Forschung
Der Text gibt eine kompakte Übersicht über die historische Entwicklung der künstlichen Intelligenz in drei Wellen von den Anfängen bis zur modernen generativen KI. Eine übersichtliche Zeitleiste ordnet wichtige Meilensteine wie die Turingmaschine, Expertensysteme und Deep Learning chronologisch ein.
Grundbegriffe der künstlichen Intelligenz
Dieses Material bietet eine übersichtliche Sammlung zentraler Begriffe und Definitionen rund um das Thema künstliche Intelligenz und maschinelles Lernen. Es eignet sich hervorragend als Einführung oder Nachschlagewerk und enthält zudem Lernkarten zur Festigung des Wissens.
KI-Projekt: Spamfilter
Dieses Unterrichtsmaterial führt spielerisch und theoretisch in die Grundlagen der künstlichen Intelligenz ein, indem die Lernenden die Erstellung eines eigenen Spamfilters konzipieren. Dabei werden die zentralen Schritte von der Problemdefinition über die Datenaufbereitung bis hin zum Training und Deployment beleuchtet.
Begriffslexikon zu Data Science und Künstlicher Intelligenz
Das Material bietet eine übersichtliche Zusammenstellung zentraler Begriffe rund um Data Science, Big Data, Data Mining, Machine Learning und Datenaufbereitung. Es erläutert diese Fachbegriffe kurz und nennt anschauliche Anwendungsbeispiele wie Objekterkennung oder Warenkorbanalysen.
Big Data – Einführung
Dieses Unterrichtsmaterial bietet eine Einführung in das Thema Big Data, Künstliche Intelligenz, Datenschutz und Urheberrecht. Es vermittelt theoretische Grundlagen zu Datengrössen, Datenschutzgrundverordnungen und gesellschaftlichen Auswirkungen von KI.
Künstliche Intelligenz am Beispiel eines Spamfilters
Das Unterrichtsmaterial führt in grundlegende Konzepte der künstlichen Intelligenz ein, indem die Entwicklung eines einfachen Spamfilters Schritt für Schritt beschrieben wird. Es deckt den gesamten Prozess von der Problemdefinition über die Datenerbereitung bis hin zu Ethik und Datenschutz ab.
Einführung in Künstliche Intelligenz: Moderne KI und ihre Probleme
Der Text gibt eine kurze Einführung in das Thema Künstliche Intelligenz, unterscheidet zwischen modernen LLMs und Diffusionsmodellen und beleuchtet kritisch damit verbundene ethische sowie ökologische Probleme wie Energieverbrauch und Datenschutz.
Unterrichtsreihe Künstliche Intelligenz
Eine strukturierte Übersicht für eine mehrwöchige Unterrichtsreihe zum Thema Künstliche Intelligenz, die Leseaufträge, Austauschphasen und Präsentationen vorsieht. Das Material dient als grober Ablaufplan und verweist auf gesellschaftliche sowie technologische Implikationen.
Lektüreübersicht zu Künstlicher Intelligenz anhand von Katharina Zweigs Buch
Dieses Material bietet eine detaillierte Inhaltsübersicht und Kapitelstruktur für die Behandlung des Buches 'Weiß die KI, dass sie nichts weiß?' von Katharina Zweig im Unterricht. Es behandelt umfassend Themen rund um Künstliche Intelligenz, maschinelles Lernen und insbesondere Sprachmodelle.