http://dl.gi.de/handle/20.500.12116/33222 2026-07-21T14:37:01Z 2026-07-21T14:37:01Z Voigt, Maximilian http://dl.gi.de/handle/20.500.12116/33246 2020-06-15T13:25:52Z 2020-01-01T00:00:00Z

Vom physikalischen Ereignis zum intelligenten System - Ereignisse messen und „intelligent“ verarbeiten – ein Workshopkonzept zum Thema „künstliche Intelligenz“ Voigt, Maximilian Autonome Systeme und selbstlernende Computer- programme können immer nur so gut sein wie die Daten, auf denen sie basieren. Wenn es um das Verständnis von „intelligenten Algorithmen“ geht, spielen deswegen die Entstehung und Verarbeitung von Daten eine wichtige Rolle.

2020-01-01T00:00:00Z Schmidt, Pascal Strobel, Stefan http://dl.gi.de/handle/20.500.12116/33247 2020-06-15T13:25:52Z 2020-01-01T00:00:00Z

Maschinelles Lernen - Eine unterrichtspraktische Einführung am Beispiel von Entscheidungsbäumen Schmidt, Pascal; Strobel, Stefan Über die Grenzen einzelner (Bundes-)Länder hinweg gehören das Analysieren von Problemen, das Entwickeln von Lösungsideen und das algorithmische Formalisieren zum gemeinsamen Kern des Informatikunterrichts. Die Förderung dieser Kompetenzen trägt zum allgemeinbildenden Charakter des Fachs bei, genügt in der bisherigen Form jedoch nicht (mehr), um informatische Phänomene in unserer Welt erkenn- und verstehbar zu machen: Die Lösung vieler Probleme erfordert inzwischen „komplexes intelligentes Verhalten“, das sich auch mit modernen Hochsprachen nicht adäquat abbilden lässt (vgl. Ertel, 2008). Immer öfter kommen Verfahren des maschinellen Lernens zum Einsatz, bei denen Lösungsstrategien nicht statisch vom Entwickler vorgegeben, sondern aus Daten erlernt werden.

2020-01-01T00:00:00Z Hellmig, Lutz Romeike, Ralf http://dl.gi.de/handle/20.500.12116/33244 2020-06-15T13:25:51Z 2020-01-01T00:00:00Z

Nachdenken über KI Hellmig, Lutz; Romeike, Ralf

2020-01-01T00:00:00Z Kahn, Ken Lu, Yu Zhang, Jingjing Winters, Niall Gao, Ming http://dl.gi.de/handle/20.500.12116/33245 2020-06-15T13:25:52Z 2020-01-01T00:00:00Z

Mit SNAP! Word Embeddings programmieren Kahn, Ken; Lu, Yu; Zhang, Jingjing; Winters, Niall; Gao, Ming Word Embedding ist eine Technik des Natural Language Processing (NLP), das sich mit der maschinellen Verarbeitung natürlicher Sprache beschäftigt. Hierbei werden Wörter in einen vieldimensionalen Raum eingebettet. Diese Word Embeddings können beispielsweise zur Stimmungsanalyse, Eigennamenerkennung, in Empfehlungssystemen, zur Paraphrasierung, Textzusammenfassung, Fragenbeantwortung oder Übersetzung eingesetzt werden. Wir beschreiben eine SNAP!- Bibliothek, die 20000 Word Embeddings in 15 Sprachen enthält. Mit einem Block, der eine Liste von 300 Zahlen für jedes der bekannten Wörter anzeigt, kann man Programme erstellen, die nach ähnlichen Wörtern suchen, Wörter finden, die dem Durchschnitt anderer Wörter entsprechen, kulturelle Vorurteile erforschen und Analogieaufgaben lösen. Diese Programme können innerhalb einer Sprache arbeiten oder die Word Embedding-Räume verschiedener Sprachen einbeziehen, um grobe Übersetzungen zu erstellen.

2020-01-01T00:00:00Z