Abschnitt: eTivity 3: Maschinelles Lernen (2 UE) | DGB 8 - ℹ️ Information (2024/25)

eTivity 3: Maschinelles Lernen (2 UE)

Hier lernst du, wie du wie man Algorithmen und Modelle entwickelt, die von Daten lernen und Vorhersagen treffen können.
- 03.01 📽️ So lernen Maschinen Link/URL
  
  Anzeigen
- 03.02 ❓ Begriffserklärungen Interaktiver Inhalt
  
  Aktivität abschließen
  
  Löse die Aufgaben um die Begriffserklärungen zu ergänzen.
- 03.03 ❓ Wie funktioniert maschinelles Lernen? Link/URL
  
  Anzeigen
  
  Hier wird der Vorgang des maschinellen Lernens beschrieben, zum besseren Verständnis stark vereinfacht und schematisiert.
  
  ❗Klicke dich durch die einzelnen Schritte und lies dir die Erklärungen aufmerksam durch.
  ➡ Die Bildschirme können durch Klick auf den Button "Weiter" durchgeblättert werden.
  ➡ Zu jedem Schritt lässt sich über den Button "Erklärung" die passende Beschreibung anzeigen.
- 03.04 🛣🚗 Autonomes Fahren Textseite
  
  Anzeigen
  
  Lies dir das Beispielthema zum Maschinellen Lernen ausführlich durch.
- 03.05 🧑‍🤝‍🧑 Auswirkungen des ML auf die Gesellschaft Lernpaket
  
  Anzeigen Aktivität abschließen Eine Bewertung erhalten
  
  Nachdem du den Text über Autonomes Fahren gelesen hast, sollst du hier die Vorteile, Gefahren und Risiken des ML auf die Gesellschaft richtig zuordnen.
- 03.06 📖 Machine Learning Anwendungen im Alltag Journal
  
  Anzeigen
  🧐Beobachte eine Woche lang, wann und wo dir im Alltag Anwendungen mit Machine Learning begegnen und notiere sie ✍.
  
  ML-basierte Anwendung:
  Wann und wo begegnet bzw. evtl auch wie benützt?
- 03.07 👉 In den nächsten Aufgaben kannst du das maschinelle Lernen in einigen Übungen anwenden.
- 03.08 👨‍🎨Quickdraw Link/URL
  
  Quickdraw ist ein Spiel, das auf Basis von Machine Learning erstellt wurde.
  Das Spiel fordert dich auf, etwas zu zeichnen, und ein neuronales Netzwerk versucht herauszufinden, was es ist.
- Ausklappen Einklappen 03.09 Daten von Quickdraw
  
  → Die Datenbank enthält ca. 50 Millionen Zeichnungen.
  → Zu jedem der über 300 Objekte/Konzepte gibt es über 100.000 gezeichnete Bilder.
  → Die gezeichneten Bilder bestehen aus schwarzen Pixeln auf weißem Untergrund.
  Die Entwickler*innen haben das Neuronale Netzwerk trainiert, sodass es einige hundert Dinge erkennen kann. Durch das Spielen und Zeichnen der erfragten Dinge trugen Nutzer*innen dazu bei, dass eine riesige Datenbank mit den entsprechenden Objektzeichnungen aus aller Welt entstanden ist. Diese Zeichnungen sind frei einsehbar (Open Source) unter ↗ quickdraw.withgoogle.com/data.
- 03.10 🎰 The Teachable Machine Aufgabe
  
  Anzeigen Abgabe einreichen
  
  Trainiere dein eigenes Bild-Modell mit Teachable Machine.
  Du verwendest dabei deine Webcam um deine KI auf zwei spezielle Objekte zu trainieren.
  
  1️⃣ Öffne https://teachablemachine.withgoogle.com/ und ändere die Sprache auf Deutsch, falls gewünscht.
  2️⃣ Klicke auf Erste Schritte, dann auf Bildprojekt.
  3️⃣ Wähle dann Modell mit Standardbildern aus.
  4️⃣ Du hast jetzt links zwei Klassen (Class 1, Class 2), auf die du dein Modell trainierst.
  5️⃣ Die erste Klasse ist z.B. ein Schulheft. Klicke auf Webcam und nimm mindestens 100 Fotos deines Hefts auf.
  6️⃣ Die zweite Klasse ist ein anderes Objekt, z.B. eine Pflanze oder ein Glücksbringer. Nimm auch hier mindestens 100 Fotos mit deiner Webcam auf.
  7️⃣ Klicke dann auf Modell trainieren (das kann ein wenig dauern).''
  8️⃣ Wenn du anschließend eines deiner Objekte in die Webcam hältst, siehst du in der Vorschau rechts, ob es richtig erkannt wurde.
  9️⃣ Gib einen Screenshot deines fertigen Programms ab.
- 03.11 🎮 Ein Spiel zum verstärkenden Lernen Aufgabe
  
  Anzeigen Abgabe einreichen
  Öffne das Spiel: Verstärkendes Lernen - Schlag den Computer
  Du spielst die Äffchen! Jede Figur bewegt sich wie ein Bauer im Schach, d.h. sie kann nach vorne ziehen und diagonal schmeißen.
  Du gewinnst, wenn
  eine deiner Figuren ans andere Ende des Bretts gelangt.
  der Gegner nicht mehr ziehen kann.
  oder du alle gegnerischen Figuren schlägst.
  1️⃣ Spiele das Spiel mindestens 15 Runden und beginne immer mit dem gleichen Spielzug.
  2️⃣ Du wirst merken, dass die KI immer besser wird und deshalb auch immer öfter gewinnt.
  3️⃣ Sobald du keine Chance mehr hast zu gewinnen, mache einen Screenshot und lade ihn bei dieser Aufgabe hoch.
  Tipp: damit das Spiel noch schneller wird, kannst du die Reaktionszeit verringern.
- Ausklappen Einklappen 03.12 Technischer Hintergrund
  
  Dein Gegner, das Krokodil zieht zu Beginn nur zufällig. Durch die bunten Tokens lernt es jedoch, die einzelnen Spielzüge in gewinnbringende und verlustbringende zu unterscheiden:
  Diese "Smarties" oder Tokens definieren die möglichen Spielzüge.
  Die Anzahl dieser Tokens ändert sich im Spielverlauf:
  Jedesmal, wenn der Computer gewonnen hat, wird ein Token in der Farbe des letzen (gewinnbringenden) Spielzuges zu dieser Karte dazugelegt, also die KI für das Gewinnen mit diesem Spielzug belohnt.
  Jedesmal, wenn der Computer verloren hat, wird ein Token in der Farbe des letzten Spielzuges entfernt.
  Die KI merkt sich also die gewinnbringenden Spielzüge und verwirft andererseits jene Spielzüge, die zu einer Niederlage führen.
  Anmerkung: Bei einer echten KI-Anwendung würde man den Spielzug nicht sofort ganz verwerfen, sondern nur die Wahrscheinlichkeit für das Wählen dieses Zuges minimieren.
- 💨 Zusatz für Schnelle
- 03.13 🎤 Blob Oper Aufgabe
  
  Anzeigen Abgabe einreichen
  
  Erstellen dein eigenes von der Oper inspiriertes Lied!
  1️⃣ Klicke auf den Link.
  2️⃣ Starte das Experiment.
  3️⃣ Trainiere ein wenig.
  4️⃣ Zeichne deine Oper auf.
  5️⃣ Klicke auf "Teilen", kopiere den Link in die Texteingabe.

Kursthemen

eTivity 3: Maschinelles Lernen (2 UE)