Künstliche Intelligenz SII - Tools

SoekiaGPT ist ein Textgenerator speziell für den Unterricht. Mit SoekiaGPT schaut man hinter die Kulissen und entdeckt damit einige Grundprinzipien von Textgeneratoren wie ChatGPT.

Die Grundlagen gerativer KI werden anschaulich dargestellt.

Teachable Machine ist ein webbasiertes Tool, mit dem sich Modelle für maschinelles Lernen schnell und einfach erstellen lassen und das für alle zugänglich ist.

Die Studierenden wenden das aus der SI bekannte Verfahren der Entsscheidungsbäuem im Sachkontest "Studienentscheidung" an. Inhaltlich fokussiert sich dieses Material auch darauf, wie verlässlich und sinnvoll Entscheidungsbäume sind. Außerdem wird das Thema mit der Implementierung in Java unter Verwendung der NRW-Klassenbibliotheken vernetzt.

Die Funktionsweise eines einzelnen Neurons wird mithilfe von Münzen simuliert.

Anschauliches Video zur Funktionsweise eines Neuronalen Netzes zur Ziffernerkennung in vier Teilen.

Die Klassifizierung von Datenpunkten im zweidimensionalen Raum wird mithilfe eines Neuronalen Netzes realisiert. Das Training des Netzes lässt sich dabei beobachten und steuern.

Die Studierenden experimentieren mit einer KI, die Handschrift erkennen kann. Sie entdecken, wie die KI sich langsam verbessert und welche Rolle die Trainingsdaten dabei spielen.

Der Kurs gibt einen tiefen Einblick in die Funktionsweise Neuronaler Netze. Die Studierenden können an vielen interaktiven Beispielen Neuronale Netze konstruieren, verändern und beobachten.

Ziel: Ein Neuronales Netz selbst entwickeln mit Python. In wenigen Zeilen Code entsteht pure Magie: wir schauen hinter das Geheimnis eines einfachen neuronalen Netzes.

Die Studierenden können in wenigen Schritten ein beliebiges neuronales Netz online entwerfen und mit eigenen Beispieldaten testen. Zudem gibt es vorgefertigte Beispieldatensätze.

Die Suche nach dem minimalen Fehler wird anschaulich in der Ebene gezeigt und die Studierenden können experimentell ein lokales Minimum suchen.

Die Studierenden können Regression mit Hilfe eines kleinen neuronalen Netzwerks lernen.

Die Studierenden müssen in einem kleinen Experiment ohne Vorkenntnisse Muster erkennen.

Die Studierenden wiederholen den aus der SI bekannten k-means-Algorithmus unter Verwendung der Programmiersprache Java an zwei verschiedenen Beispielen.

1. Klassifizierung von Kundengruppen (z. B. Q1/2)
2. Goldsucher in Greenfoot-Projekt (z. B. EF)

Die Studierenden lernen den dichte-basierten DBSCAN-Algorithmus am Beispiel kennen. Hier steht keine Implementierung im Vordergrund.

Die Studierenden trainieren eine selbst gebastelte KI durch das Prinzip des verstärkenden Lernens.
Anknüpfungspunkte an andere Themengebiete der Informatik (Rekursion, Bäume, etc.) möglich.

Sehr anschaulich wird gezeigt, wie eine KI durch verstärkendes Lernen so trainiert wird, dass ein zufällig positioniertes Auto ordentlich in eine bestehende Parklücke einparkt.

Studierenden können anhand einer zweidimensionalen Welt den Q-Learning Algorithmus entdecken.

Du bist für 7 Tage in einer fremden Stadt und möchtest jeden Abend einmal essen gehen.
Wenn du ein Restaurant anklickst oder antippst, besuchst du ein Restaurant und die Anzahl der Sterne wird zu deiner Summe addiert.
Du möchtest deinen Genuss maximieren und daher eine höchstmögliche Summe erreichen.
Bereits besuchte Restaurants können erneut besucht werden.

Die Studierenden können ihr eigenes Labyrinth zeichen und der Roboter lernt langsam, den Ausgang zu finden und gefährliche Bereiche zu meiden.

Es soll ein KI-System entwickelt werden, welches kurze Sätze auf ihre Stimmung hin analysiert. Als KI-Modell wählen wir ein Neuronales Netz.
Zur Entwicklung des KI-Systems durchlaufen wir folgende Schritte:

Unter folgendem Link finden die Studierenden eine fertige Java-Klassenbibliothek zur Verwendung neuronaler Netze. Mit dabei sind vier verschiedene Anwendungsbeispiele mti entsprechenden grafischen Oberflächen, welche den Lernprozess des neuronalen Netzes visualisieren.

Die Studierenden können in wenigen Schritten ein beliebiges neuronales Netz online entwerfen und mit eigenen Beispieldaten testen. Zudem gibt es vorgefertigte Beispieldatensätze.

Hier kann insbesondere die Erläuterung von Under- und Overfittig hilfreich sein.

Die Studierenden sind für die Programmierung eines selbstfahrenden Autos zuständig. Wie soll sich die KI in verschiedenen Situationen entscheiden?

Seit Ende 2022 ist Chat GPT frei zugänglich und hat den Menschen gezeigt, wie stark Künstliche Intelligenz die Welt verändern könnte. Aber kann KI auch unsere emotionalen Bezugspersonen ersetzen?
Es wird sehr anschaulich gezeigt, welche "Menschlichkeit" eine KI annehmen kann.

14-Stunden-Tage mit ungeregelter Bezahlung: Als sogenannte Klickarbeiter trainieren Menschen in Billiglohnländern Anwendungen Künstlicher Intelligenz.
Der Film zeigt eindrucksvoll die gesellschaftlichen Auswirkungen des Trainings von KI.

Orange ist eine Open-Source-Software für Datenvisualisierung, maschinelles Lernen und Data Mining. Sie bietet eine intuitive Benutzeroberfläche, die es auch Nicht-Programmierern ermöglicht, komplexe Datenanalysen durchzuführen.

KI-Toolbox aus Bayern

inf-schule bietet viele Tools zu KI