BauernschachUnder construction Dieser Bereich ist in Arbeit. Alternativ empfehlen wir die Seite zum Bauernschach auf MemoOne.deqStartseite5. Künstliche Intelligenz1. Menüansicht+1. Basiswissen KI+1. Grundbegriffe - KI, was ist das?+1. Erkundung+2. Strukturierung+3. Fachkonzept+4. Übungen+5. Arten von KI+2. Lernende Systeme - Lernarten+1. Erkundung - Wissenbasierte Systeme+2. Erkundung - Lernende Systeme+3. Lernarten+4. Entscheidungsbäume+3. Geschichte der KI+1. KI: Faszination und Ängste+2. Automatisierung und KI+3. Expertensysteme und Maschinelles Lernen-2. KI erkunden+1. Verstärkendes Lernen beim Bauernschach+4. Logische Gatter mit künstl. Neuronen+1. Basis - Vereinfachtes NeuronLernstrecke - Vereinfachtes Neuron1 - Das künstliche Neuron2 - Die erste Aufgabe für unser Neuron3 - Übung: Die ersten Aufgaben4 - Kantengewichte5 - Übung: Schwierigere AufgabenZusammenfassung+2. Basis - Lernendes NeuronLernstrecke - Lernendes Neuron1 Anfangsbelegung2 Erste Lernregel3 Zweite Lernregel4 Dritte Lernregel5 ÜbungenZusammenfassung+5. Steinlauserkennung mit künstl. neuronalen Netzen+3. Einzelne Neuronen+3. Vertiefung der Grundlagen+4. Übungen - Digitale Schaltungen+5. Übungen - Grundlagen+6. Lernende NeuronenWie lernt ein künstliches Neuron?0 Der Aufbau eines Neurons1 Anfangsbelegung2 Trennlinie3 Der erste Lernschritt4 Allgemeine Formeln5 Der zweite LernschrittZusammenfassung+7. Übungen Perzeptron+8. Fachkonzept - Künstliches Neuron+4. Neuronales Netz+1. Einführung Neuronale NetzeEinführung Neuronale Netze0 Die Steinlaus1 Separieren2 Ungleichungen3 Die Neuronen4 Das neuronale NetzZusammenfassung+2. Übungen+3. Maschinelles Lernen mit Python+1. gesunde Lebensmittel mit Entscheidungsbäumen+1. Exkurs: Datenanalyse mit Pandas+2. Parameter variieren: Entscheidungsbäume+3. Trainingsprozess variieren: Entscheidungsbäume+4. Algorithmus variieren: Lineare Regression+5. Kontext variieren: Iris-Datensatz+3. Data Science - Empfehlungssysteme+1. Projekt: Empfehlungssysteme+1. Projektexpertise+1. Bereichsexpertise/ Bereichswissen+1. Nutzen von Empfehlungssystemen+2. Inhaltsbasierte Empfehlungssysteme+3. Kollaborative Empfehlungssysteme+4. Hybride Empfehlungssysteme+2. Datenexpertise+1. Jupyter NotebooksJupyter NotebooksNotebook öffnenCode ausführenCodezellenMarkdown+2. Daten sammeln - Variante I+3. Daten beschreiben - Variante II+4. Daten erkunden+5. Daten visualisieren+6. Data Dashboards+2. Datenvorbereitung+1. Datenbereingung und -formatierung+2. Notwendigkeit der Datenumstrukturierung+3. Datenumstrukturierung (inhaltsbasiert)+4. Datenumstrukturierung (kollaborativ)+3. Modellentwicklung+1. Maschinelle Lernmodelle+2. KNN-Klassifikation: Einführung+1. Nächste-Nachbar-Klassifikation+2. Wahl des Parameters k+3. Abstandsmaß+4. Trainings- und Anwendungsphase+5. Erweiterung der Klassen+6. Erweiterung der Attribute+7. Wahl der Attribute+3. KNN-Klassifikation für Empfehlungssysteme+1. Inhaltsbasierte KNN-Klassifikation+2. Kollaborative KNN-Klassifikation+3. KNN-Klassifikation Implementierung+4. Modellevaluierung+1. Holdout Methode+2. Modellbewertung+3. Modellverbesserung+5. Phänomen: Filterblase+4. Exkurs: BigData - Bibliothek Pandas+1. Grundlagen Pandas+2. Auswertung Geodaten+5. Bestärkendes maschinelles Lernen mit Q-Learning+1. Wahrnehmungs-Aktions-Schleife+1. Erkundung: Ein einfaches Computerspiel+2. Fachkonzept: Wahrnehmungs-Aktions-Schleife+2. Hartkodierte Intelligenz+3. Weicher kodierte Intelligenz+1. Die Q-Tabelle+2. Verhalten aus der Q-Tabelle+3. Fachkonzept: Gierig und neugierig+4. Implementation einer neugierigen Strategie+4. Anpassung der Q-Werte+1. Kurzsichtiges Lernen+2. Fachkonzept: Verzögerte Belohnung+3. Implementation+5. Umgang mit Chancen und Risiken+1. Bisheriges Verfahren bei Chancen und Risiken+2. Fachkonzept: Lernrate+3. Implementation+6. Deep-Learning - Ziffernerkennung+1. Neuronen+2. Perzeptron als künstliches Neuron+1. Aufgaben (Notebook)+3. Separationsgerade+1. Aufgaben (unplugged)+2. Aufgaben (Notebook)+4. Fachkonzept Perzeptron+5. Exkurs: Maschinelles Lernen - Delta-Regel nach Rosenblatt+1. Aufgaben (Notebook)+6. XOR-Problem+1. Aufgaben (Notebook)+7. Fachkonzept künstliche Neuronen+8. Gradientenabstiegsverfahren+1. Umsetzung in Python (Notebook)+9. Künstliche Neuronale Netze+1. Fachkonzept Forward-Propagation+2. Forward-Propagation mit Python (Notebook)+10. Ziffernerkennung+1. MNIST-Datensatz (Notebook)+2. Machine Learning (Notebook)+3. Visualisierung+1. Fully-Connected Network+2. Fully-Connected Network (3D)+3. Convolutional Network+4. Convolutional Network (3D)+4. Datenaufbereitung+11. Exkurs: Backward-Propagation+1. Gradientenabstiegverfahren+2. Backpropagation-Algorithmus+12. Literatur - nützliche Links+4. KI und Gesellschaft+2. Chancen und Risiken+1. Einstieg+2. Übungen+3. Ethische und moralische Aspekte+1. Unbegründbarkeit von KI-Entscheidungen+2. Werbetracking als Quelle für persönliche Daten+3. Zum Weiterhören