IBiS Band 2 (2024) Heft 2

Permanent URI for this collectionhttps://dl.gi.de/handle/20.500.12116/45397

Authors with most Documents  

Andres, Daniela
1
Brichzin, Peter
1
Daeglau, Mareike
1
Diethelm, Ira
1
Dorn, Julian
1

Browse

Subject: search.filters.subject.Künstliche Intelligenz

Search Results

1 - 3 of 3
  • Journal Article
    Künstliche Intelligenz im Informatikunterricht
    (Gesellschaft für Informatik, 2024) Dorn, Julian
    Das kostenfreie digitale Buch https://buch.informatik.cc/ki/ bietet eine umfangreiche Grundlage, um Maschinelles Lernen als Teil der künstlichen Intelligenz im Unterricht zu behandeln. Die Themenbereiche überwachtes, unüberwachtes, bestärkendes und selbstüberwachtes Lernen sind mit vielen Aufgaben und Beispielen beschrieben, sodass darauf aufbauend ein eigener Unterricht entwickelt werden kann. Da sich der theoretische Teil in dem verlinkten digitalen Buch nachlesen lässt, stelle ich hier die didaktischen Überlegungen und Ausgestaltungen vor.
  • Journal Article
    ClusterLabor: Ein Werkzeug zur interaktiven Visualisierung und Analyse von Clusteralgorithmen
    (Gesellschaft für Informatik, 2024) Andres, Daniela; Joachim, Silvia; Hennecke, Martin
    In diesem Beitrag wird die Webanwendung ClusterLabor (verfügbar unter ddi.informatik.uni-wuerzburg.de) vorgestellt. ClusterLabor ermöglicht eine interaktive Visualisierung und Analyse von Clusteralgorithmen in zweidimensionalen Datensätzen. Damit können verschiedene Algorithmen hinsichtlich ihrer Ergebnisse in Abhängigkeit von der gewünschten Anzahl an Clustern verglichen werden. Anwender können aus verschiedenen Beispieldatensätzen wählen, eigene Datensätze hochladen oder Datensätze direkt durch manuelle Eingabe generieren. Zum Clustern stehen verschiedene Methoden zur Verfügung: der k-Means-Algorithmus mit Varianten wie Lloyd oder MacQueen, der k-Medoids-Algorithmus sowie hierarchische Clusteranalyse mit unterschiedlichen Distanzmaßen und Fusionierungsalgorithmen. Ein besonderer Fokus liegt dabei auf dem Unsupervised Learning, einem Bereich der Künstlichen Intelligenz (KI), bei dem Algorithmen Muster und Strukturen in unbeschrifteten Daten selbstständig erkennen. Zur Bestimmung der "optimalen" Clusterzahl k sind zudem Visualisierungen des Elbow Plots (Ellenbogendiagramms), des Average Silhouette Plots (ASW-Kurve) sowie des Dendrogramms integriert.
  • Journal Article
    Unterrichtsreihe zu künstlicher Intelligenz und künstlichen neuronalen Netzen für die gymnasiale Oberstufe
    (Gesellschaft für Informatik, 2024) Grabe, Katrin
    Diese Unterrichtsreihe erarbeitet in 7 Doppelstunden das Thema „Künstliche Intelligenz und Maschinelles Lernen“ für einen Grundkurs Informatik in der gymnasialen Oberstufe nach dem „Bildungsplan Studienstufe Informatik Hamburg“. Die Rahmenbedingungen für den Ablauf der Sequenz sind, dass innerhalb der ersten 3 Doppelstunden theoretisches Basiswissen für eine Klausur aufgebaut wird, anschließend wird eine Klausur auf Papier geschrieben. Im zweiten, praktischen Teil (2 Doppelstunden) trainieren die SuS künstliche neuronale Netze (im Folgenden mit KNN abgekürzt) und arbeiten mit einer Python-Implementierung. In den letzten 2 Doppelstunde reflektieren sie die Möglichkeiten und Grenzen von Künstlicher Intelligenz (im Folgenden mit KI abgekürzt).
Load citations