Kategorie: KI Materialsammlung

Training eines Decision Trees im Browser

https://iludis.de/DecTree/indexNeu.html
Training eines einfachen Decision Trees

TasseStiftSchere | Autos | ApfelBirneOrange
Beispieldateien als CSV

https://iludis.de/Mistralchat/CSV-Aufbereitung.html
Nützliche Datenaufbereitungs-App

---

Theorie zu Decision Trees und Random Forests

https://iludis.de/DecTree/bagging_demo_iris.html
Visualisierung des Bagging-Algorithmus bei Random Forests

https://iludis.de/DecTree/boosting_demo_regression.html
Gradient Boosting verstehen: Interaktive Simulation des Konzepts

https://iludis.de/DecTree/pruning_demo_ccp.html
Pre- und Post-Pruning von Decision Trees als interaktive Simulation

---

Einsteiger-Apps für ‚junge Data Scientists‘

Der Feuerwächter

• Rookie-Variante für Grundschüler
• Master-Variante für ältere Schüler
• Arbeitsblätter sind hier

---

Wie eine KI-Pipeline funktioniert:

https://iludis.de/TomateErdbeere/index.html
Ziehe drei verschiedene Objekte ins Messfenster

• Arbeitsblätter sind hier

---

DecisionTrees für Mikrocontroller aufarbeiten

Eine .csv-Datei hochladen und das trainierte Model als .h-Datei runterladen.
Passend zum Kurs: „KI auf dem Mikrocontroller, Teil 1″

Webseite: flexible_decision_tree_trainer.html
Beispieldaten: muster.csv
Voraussetzung: Label steht in der csv-Datei ganz rechts.

CNN Training interaktiv im Browser

https://iludis.de/CNN_sim/CNN_sim.html

Datensätze:

• https://iludis.de/CNN_sim/digits_1_3_5_7.csv
• https://iludis.de/CNN_sim/digits_2_4_6_8.csv
• https://iludis.de/CNN_sim/mnist_train_800.csv

---

CNN-Theorie
https://iludis.de/Tools/cnn-labor-Teil1_faltung.html
Grundlagen des Faltungskernels

https://iludis.de/Tools/cnn-labor-Teil2_pipeline.html
Visualisierung der CNN-Pipeline

Conv2D-Parameter-Explorer
Wie setzen sich CNN-Netze zusammen?

Berechnung trainierbare Parameter
Interaktive Simulation der Parameteranzahl für CNN-Netze

Visualisierung Rezeptives Feld
Was sieht ein CNN-Netz und wie berechnet man das?

---

CNN für die Mittelstufe

Unterrichtsidee
Erprobt im Hector-Unterricht Kurs ‚ML für Mikrocontroller‘ und Inf-AG.

1. Bitmap erstellen
Klicke auf die schwarze Fläche und erstelle ein Bitmap
in Form einer 1D-Liste. Diese kann in die Zwischenablage
kopiert werden.

2. Jupyter-Notebook für Bitmaps aus 1D-Arrays
Aus den obigen Bitmaps mit numpy und OpenCV
einfach Bitmaps erstellen:
https://iludis.de/bitmapMaker/Simple_Bitmaps.ipynb

3. Grayscale-Bitmap im MNIST-Format erstellen.
Erstelle ein 255-Graustufen-Bild mit 28×28 Pixeln,
exportiere dessen Werte per Knopfdruck in die
Zwischenablage und füge sie ins Conv2D-Applet ein:

4. Optimale Convolution-Kernel entwickeln.
Wie in einem CNN: Teste verschiedene Convolution
Kernel aus, berechne ein MaxPooling(2,2) und finde
heraus, welche Pixelmuster man so bestimmen kann.

Interaktives Word2Vec Training im Browser

Inspiriert durch die Word2Vec-Implementierung von
Xin Rong (2015): https://github.com/ronxin/wevi

Drei Beispiel-Datensätze:

• https://iludis.de/word2vec/data/hauptstaedte.txt
• https://iludis.de/word2vec/data/lernen.txt
• https://iludis.de/word2vec/data/sample_text.txt

---

Interaktive App für vortrainierte Wortvektoren

https://iludis.de/WordVektor/index.html

Die Vortragsfolien zum Aufbau von LLM
Prinzip: Wie funktioniert ein Transformer?

• Handreichung: 01_roadmap_llm_pipeline
• Handreichung: 02_handreichung_embeddings
• Arbeitsblätter: 03_satzluecken_orakel
• AB I „Attention“: Arbeitsblatt_Attention_I
• AB II „Attention“: Arbeitsblatt_Attention_II

Neuronales Netz im Browser interaktiv trainieren

https://iludis.de/NeuralNetDemo/neuralnet.html

Diabetes, Wine-quality, Titanic, Pizza, Penguins
Aufbereitete Kaggle-Datensätze zum Reinladen

---

https://iludis.de/RTDETR/index.html
Realtime Detection Transformer im Browser.

---

Einfache Simulationen mit Backpropagation

XOR: Das einfachst mögliche Neuronale Netz

XOR Variante 2, mit anderer Topologie

Einzelnes Neuron mit diversen Aktivierungsfunktionen

Perceptron mit Stochastischem Gradientenabstieg

Handreichung für Lehrer in Geisteswissenschaftlichen Fächern

Ethik_Datenschutz_Datensicherheit

Interaktives Arbeitsblatt zum Ausfüllen´

https://iludis.de/ethikkompass/index.html

infoblatt_ethik_7Schritte

Interaktive Lineare Regressions-Webapp

https://iludis.de/LinearRegression2/index.html

• Arbeitsblatt 1: Lineare Regression „unplugged“
• Arbeitsblatt 2: Einfache Berechnungen 

Beispiel-Datensätze für die App:

Sonnenblumen | Eisverkauf | Armlänge zu Körpergröße

---

Lineare Regression

ML-Algorithm using Batch Gradient Descent

https://iludis.de/LinearRegression/index.html