Hervorgehobener Beitrag

Datenbanken-Workshop für die Anton-Hansen-Gemeinschaftsschule

Am Montag, den 23.03. und 30.03.2026, kommen Schüler*innen aus dem 9. Jahrgang der Anton-Hansen-Gemeinschaftsschule aus Ottweiler für einen Datenbanken-Workshop ins InfoLab.

Tabellen

PostgreSQL in DB Fiddle

Oben links „PostgreSQL v18“ auswählen. Die Testdaten in „Schema SQL“ kopieren.

www.db-fiddle.com

Testdaten für PostgreSQL

Anfang der Datei „Alles für die Datenbank“: Schema-Definitionen und Testdaten
Alles für die DatenbankHerunterladen
Weiterlesen →
Hervorgehobener Beitrag

Üben für das Abitur in Informatik 2026

Das InfoLab Saar bietet für das Abitur 2026 für den Grund- und Leistungs-Kurs je zwei Termine zur Vorbereitung an.

Grundkurs

Zu diesen Terminen könnt ihr – nach Anmeldung – ins InfoLab an der Uni kommen:

Montag, den 04.05.2026, 10 – 13 Uhr
Montag, den 11.05.2026, 14 – 17 Uhr

Leistungskurs

Zu diesen Terminen könnt ihr – nach Anmeldung – ins InfoLab an der Uni kommen:

Montag, den 04.05.2026, 14 – 17 Uhr
Montag, den 11.05.2026, 10 – 13 Uhr

Anmeldung

    Dieses Formular verwendet Akismet, um Spam zu reduzieren. Erfahre, wie deine Daten verarbeitet werden.

    oder per Mail an infolab@cs.uni-saarland.de.

    Handout Abi üben 2026Herunterladen

    Lehrer-Fortbildung: Neuronales Netz für das MNIST-Dataset implementieren

    Am Mittwoch, den 26.03.2026, findet im InfoLab eine Lehrer-Fortbildung für den Bildungscampus Saarland statt.

    Taskcard

    bildungscampus.taskcards.app/#/board/768ce61b-bac0-42e3-8c5d-10dd3f60725b/view?token=80dfc775-9462-4ba3-a6a0-9f09cdf2dd94

    Aufgabe

    Das Programm soll handschriftliche Ziffern von 0 – 9 erkennen.

    Warum geht das nicht mit einem klassischen Programm?

    Da Handschriften einzigartig, sind auch die Bilder der Ziffern einzigartig. Das Programm kann nicht alle handgeschriebenen Ziffern auswendig lernen, da jede neue Ziffern etwas anders aussehen wird. Das Programm muss Eingaben erkennen, die es vorher noch nie gesehen hat.

    Algorithmen des Maschinellen Lernens – als Teil der Künstlichen Intelligenz – können nach einer Trainingsphase auch auf Eingaben reagieren, die nicht im Training dabei waren. In diesemm Workshop nutzen wir davor ein Neuronales Netz, das mit der Bibiothek PyTorch in Python programiert wird.

    Nach dem Training kann das erstellte Neuronale Netz bewertet werden.

    Maschinelles Lernen

    Der Workshop

    Im Workshop wird erklärt, wie mit Python und PyTorch ein Neuronales Netz für das MNIST-Dataset trainiert werden kann. Das MNIST-Dataset enthält Schriftproben für die Ziffern 0 bis 9. Das Neuronale Netz soll danach mit hoher Sicherheit handschriftliche Ziffern erkennen können.

    Download der Präsentation als PDF

    MNIST-Dataset

    Von Josef Steppan – Eigenes Werk, CC BY-SA 4.0, commons.wikimedia.org/w/index.php?curid=64810040

    Neuronales Netz

    PyTorch-Tutorial

    pythonguides.com/pytorch-mnist

    Jupyter Notebook zum Download

    Aufgabe_Neuronales_Netz_für_das_MNIST_Dataset.ipynb

    In CoLab: https://colab.research.google.com/drive/1siDxH4qgLsR64tf8Qfmn3jM6j16pCHs9?usp=sharing

    Musterlösung

    Dokumentation