2.3.1 Verschiedene Herangehensweisen an die automatisierte Verarbeitung von Daten (insb. klassische KI vs. maschinelles Lernen) unterscheiden und vergleichen
Unterrichtsmaterial zum Lernziel: Die Maturandinnen und Maturanden können verschiedene Herangehensweisen an die automatisierte Verarbeitung von Daten (insb. klassische KI vs. maschinelles Lernen) unterscheiden und vergleichen.
Künstliche Intelligenz und maschinelles Lernen - Unterrichtsmaterial
Umfassendes Unterrichtsmaterial zur künstlichen Intelligenz, das von grundlegenden Konzepten wie Entscheidungsbäumen und neuronalen Netzen bis hin zu praktischen Python-Programmierungen mit Jupyter-Notebooks reicht. Es beleuchtet zudem ethische Aspekte, Data-Science-Projekte und die Geschichte der KI.
Von Deep Learning zu Large Language Models
Dieses Unterrichtsmaterial führt anschaulich und vereinfacht in die Funktionsweise von neuronalen Netzen, Deep Learning und Large Language Models (LLMs) ein. Es behandelt Themen wie Tokens, Tokenisierung, Vorhersage des nächsten Tokens, Transformer-Architekturen sowie die Abgrenzung von künstlicher und menschlicher Intelligenz.
Der naive Bayes-Klassifikator als Spamfilter
Dieses Unterrichtsmaterial führt anhand eines einfachen Spamfilter-Beispiels in die Funktionsweise des Naiven Bayes-Klassifikators und grundlegende Konzepte der künstlichen Intelligenz ein. Es enthält eine anschauliche Herleitung der Wahrscheinlichkeiten sowie konkrete Aufgaben zur Vertiefung.
Was ist eine Künstliche Intelligenz? Grundlagen und Funktionsweise
Dieser Text vermittelt die theoretischen Grundlagen der Künstlichen Intelligenz, vergleicht klassische Algorithmen mit KI-Algorithmen und erläutert die Funktionsweise von generativen KI-Modellen sowie Begriffen wie maschinelles Lernen und Halluzinationen.
Rock Paper Scissors AI Tutorial
Dieses Projekt-Tutorial zeigt, wie man eine künstliche Intelligenz für das Spiel Schere, Stein, Papier entwickelt. Dabei wird ein Markov-Modell verwendet, um das Verhalten des Spielers zu beobachten und vorauszuberechnen.
Reinforcement Learning: Tame the Dog
Dieses Projektmaterial führt fortgeschrittene Lernende in das Konzept des Reinforcement Learning ein. Anhand eines anschaulichen Beispiels lernen sie, wie durch Feedback-Zyklen mit Belohnungen und Bestrafungen Lernprozesse emuliert werden können.
Awesome Dancing with AI Tutorial
In diesem interaktiven Projekt lernen Schülerinnen und Schüler, wie die KI-Technologie PoseNet eingesetzt wird, um Körperpunkte zu verfolgen, Skelettmodelle zu erstellen und Tanzbewegungen mithilfe von Algorithmen zu quantifizieren und zu messen.
Introduction to Machine Learning: Image Classification
Diese Unterrichtseinheit führt Schülerinnen und Schüler in die Grundlagen des maschinellen Lernens und der Bildklassifikation ein. Mithilfe von Tools wie Teachable Machine und MIT App Inventor erstellen Lernende eine eigene App, testen diese praktisch und diskutieren Anwendungen sowie Grenzen der Technologie.
Problemdefinition am Beispiel eines Spamfilters
Dieses Material erklärt am praxisnahen Beispiel eines Spamfilters, wie wichtig eine klare und präzise Problemdefinition für maschinelles Lernen ist. Es werden konkrete Eingrenzungen und messbare Erfolgskriterien wie Genauigkeit, False Positives und False Negatives erarbeitet.
Kombination von Grammatik-basierten Parsern und LLMs zur Übersetzung natürlicher Sprache in Programmcode
Das Dokument untersucht architektonische Strategien zur Kombination von Grammatik-basierten Parsern und Large Language Models (LLMs), um robuste Übersetzer für domänenspezifische Sprachen und Machine-Learning-Workflows zu entwickeln. Es werden konkrete Implementierungen wie parallele Ausführung mit LLM-Richtern sowie Fallback-Mechanismen vorgestellt und in der Programmiersprache Raku demonstriert.
Detection and Evaluation of Cheating on College Exams using Supervised Classification
Dieses wissenschaftliche Paper beschreibt die Anwendung von Text-Mining-Methoden und Klassifikationsmodellen zur Erkennung von Täuschungsversuchen in Prüfungen. Es werden Entscheidungsbäume eingesetzt und die Ergebnisse mit der Bewertung durch Fachexperten verglichen.