🤖 Künstliche Intelligenz

📝 Verantwortlich für die Inhalte: ralf.kretzschmar@ksso.ch, ich nehme gerne Kritik, Wünsche, Anregungen entgegen.

Alle nicht mit Lizenzen versehenen Inhalte zur künstlichen Intelligenz sind gemeinfrei CC0 1.0.

⚠️ Die Unterlagen funktionieren auch ohne Login, es werden dann jedoch keine Eingaben gespeichert.

ℹ️ Klassifikation von Daten mit Storytelling-Einstieg in die KI, inklusive Zusatzkapitel, das auch KI-Chatbots thematisiert

• 🐟 Künstliche Intelligenz für echte Fische 1
• 🐟 Künstliche Intelligenz für echte Fische 2
• 🐟 Künstliche Intelligenz für echte Fische 3
• 🐟 Künstliche Intelligenz für echte Fische 4
• 🐟 Was können wir von den Fischen über KI im Allgemeinen lernen?

Funktionsapproximation als Bonuskapitel für Schnelle oder Interessierte

• ➡️ Zusammenhänge erlernen

Repetitionskapitel, falls das Thema später einmal erneut aufgegriffen wird

• 🐟 Rückschau: Künstliche Intelligenz für echte Fische

ℹ️ Mit Besorgnis nehme ich wahr, dass viele Schülerinnen und Schüler KI-Chatbots zu ihrem Nachteil beim Lernen einsetzen. Die Ursache sehe ich vor allem in ihrer Haltung gegenüber dem Einsatz von KI-Chatbots. Daher habe ich dieses Kapitel zusammengestellt, das darauf eingeht, wie Lernen funktioniert und danach aufzeigt, wie Lernprozesse durch den Einsatz von KI-Chatbots unterstützt werden können. Dieses Kapitel wurde erst versuchsweise im Unterricht erprobt. Über kritische Rückmeldungen würde ich mich daher besonders freuen.

• Variante Gymnasium (9tes Schuljahr): 🧑 & 🤖 - Lernen mit KI
• Variante Sekundarschule (7tes Schuljahr): 🧑 & 🤖 - Lernen mit KI
  • Bei beiden Varianten den Study Mode erwähnen.

ℹ️ Die Nutzung eines KI-Chatbots als Teammate / Lernparter kann auch Gefahren mit sich bringen, wie das im Artikel Sycophancy is the first LLM "dark pattern" von Sean Goedecke aufgezeigt wird. Ich plane, sobald ich dazu komme, auch ein Kapitel dazu zusammenzustellen.

Vermutlich werde ich dieses Kapitel am Thema AI Literacy & Managing AI aufhängen und dabei auf die Dark Patterns / KI-Sucht hinweisen.

• Variante Gymnasium:
• Variante Sekundarschule:

ℹ️ Ein vertiefter Blick auf die Funkionsweise maschnellen Lernens in vier Teilen mit zunehmendem Mathematikgehalt

• 🤖 Wie funktioniert maschinelles Lernen 1
• 🤖 Wie funktioniert maschinelles Lernen 2
• 🤖 Wie funktioniert maschinelles Lernen 3
• 🤖 Wie funktioniert maschinelles Lernen 4

ℹ️ Grundlegende Überlegungen zur Zeitreihenvorhersage

• 📈 Zeitreihenvorhersage

Zusatz zur Zeitreihenvorhersage

• 🇨🇭 SMI-Vorhersage

ℹ️ In diesen beiden Teilen werden wie in der „Einführung Zeitreihenvorhersage“ zuerst Grundlagen der Zeitreihenvorhersage vermittelt. Anders als in der „Einführung Zeitreihenvorhersage“ werden danach fortgeschrittene Parameter-Einstellungen in TensorFlow thematisiert.

• 📈 Zeitreihenvorhersage mit TensorFlow 1
• 📈 Zeitreihenvorhersage mit TensorFlow 2

ℹ️ Dieses Kapitel thematisiert, wie gut seltene Ereignisse erkannt werden können und wie sich das beurteilen lässt.

• 🌪️ Umgang mit seltenen Ereignissen