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.

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?

Repetitionskapitel, falls das Thema später einmal erneut aufgegriffen wird

• 🐟 Rückschau: Künstliche Intelligenz für echte Fische

Funktionsapproximation als Bonuskapitel für Schnelle oder Interessierte

• ➡️ Zusammenhänge erlernen

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

Grundlegende Überlegungen zur Zeitreihenvorhersage

• 📈 Zeitreihenvorhersage

Zusatz zur Zeitreihenvorhersage

• 🇨🇭 SMI-Vorhersage

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

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

• 🌪️ Umgang mit seltenen Ereignissen