KI ist ja in aller Munde... daher habe ich mir überlegt, wie das in den MintApps thematisiert werden könnte. Interessanterweise gibt es schon ein wenig (ohne dass mir das bewusst war...):
-
Bei den Spielen "Tic-Tac-Toe" und "Vier gewinnt" übernimmt die App die Rolle des Gegenspielers (MiniMax-Algorithmus). Das ist bereits ein Teilgebiet der KI im weiten Sinne, aber nicht im Sinne maschinellen Lernens.
-
In der App "Messwert-Diagramm" kann in sehr einfacher Form eine Form des Maschinellen Lernens (Lineares Lernen) demonstriert werden. Gemeinsam mit anderen Nutzern können zunächst zweidimensionale Trainings-Daten gesammelt werden (z. B. Länge und Masse von Stiften), anschließend kann die Regressions-Gerade zur Prognose genutzt werden. Bei jeder weiteren Eingabe lernt das Modell hinzu (sprich die Regressions-Gerade ändert sich).
Nun ist die Idee, ein einfaches Perzeptron zu implementieren, um maschinelles Lernen in neuronalen Netzen zu verdeutlichen.
- Einlagiges Perzepton mit 2 Input Neuronen (x, y) und einem Bias Eingang
- Aufgabe: Simple Klassifizierung mit zwei Klassen anhand der beiden Eingaben (x,y)
- Grafische oder tabellarische Eingabe der Trainingsdaten (zwei Klassen)
- Schrittweise Simulation des Trainings, wobei die Gewichte w_ij durch Strichstärken visualisiert werden
- Testmöglichkeit anhand der Eingabe weiterer Wertepaare
- Thematisierung des XOR-Problems
KI ist ja in aller Munde... daher habe ich mir überlegt, wie das in den MintApps thematisiert werden könnte. Interessanterweise gibt es schon ein wenig (ohne dass mir das bewusst war...):
- Bei den Spielen "Tic-Tac-Toe" und "Vier gewinnt" übernimmt die App die Rolle des Gegenspielers (MiniMax-Algorithmus). Das ist bereits ein Teilgebiet der KI im weiten Sinne, aber nicht im Sinne maschinellen Lernens.
- In der App "Messwert-Diagramm" kann in **sehr** einfacher Form eine Form des Maschinellen Lernens (Lineares Lernen) demonstriert werden. Gemeinsam mit anderen Nutzern können zunächst zweidimensionale Trainings-Daten gesammelt werden (z. B. Länge und Masse von Stiften), anschließend kann die Regressions-Gerade zur Prognose genutzt werden. Bei jeder weiteren Eingabe lernt das Modell hinzu (sprich die Regressions-Gerade ändert sich).
Nun ist die Idee, ein einfaches Perzeptron zu implementieren, um maschinelles Lernen in neuronalen Netzen zu verdeutlichen.
- Einlagiges Perzepton mit 2 Input Neuronen (x, y) und einem Bias Eingang
- Aufgabe: Simple Klassifizierung mit zwei Klassen anhand der beiden Eingaben (x,y)
- Grafische oder tabellarische Eingabe der Trainingsdaten (zwei Klassen)
- Schrittweise Simulation des Trainings, wobei die Gewichte w_ij durch Strichstärken visualisiert werden
- Testmöglichkeit anhand der Eingabe weiterer Wertepaare
- Thematisierung des XOR-Problems