KI: Neuronales Netz implementieren

Ablauf	– Einführung in die Begriffe „Künstliche Intelligenz“ und „Maschinelles Lernen“ – Einführung in neuronale Netze – Implementierung eines künstlichen neuronalen Netzes zum überwachten Lernen
Informatischer Inhalt	– Maschinelles Lernen – Implementierung eines neuronalen Netzes
Alter der Kinder	ab Oberstufe
Lehrplanbezug	Maschinelles Lernen, textuelle Programmierung (Python)
Dauer	180 Minuten
Technische Anforderungen	Pro SchülerInnen-Paar wird ein internetfähiger Laptop benötigt. (Die benötigte Hardware liegt im InfoLab vor.)
Maximale Teilnehmerzahl	30 SchülerInnen (15 Paare)
Vorkenntnisse	Grundkenntnisse in Python
Wann gut einsetzbar?	Als Einstieg in das maschinelle Lernen
Im InfoLab durchführbar	Ja
In der Schule durchführbar	Ja
Was kann anschließen?	eigenständiger Workshop
Kommentar	– kein Kommentar –
Terminanfragen	Terminanfragen bitte über das Anmeldeformular

Handout-Neuronale-Netze Herunterladen

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