Maschinelles Lernen - Eine unterrichtspraktische Einführung am Beispiel von Entscheidungsbäumen

Abstract

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.