Grundlagen in Python
# BWKI Teilnehmer aus dem Jahr 2019 und 2020 geben Euch Tipps beim Erlernen von Python
# Einführung Python
Python ist mit 30 Jahren eine vergleichsweise neue Programmiersprache, welche 1991 von Guido van Rossum, zunächst als ein Hobbyprojekt, entwickelt wurde. Der größte Vorteil von Python ist die enorme Lesbarkeit und einfache Codestruktur, welche auch große Pythonprojekte übersichtlich hält. Aufgrund der sehr hohen Anzahl an verfügbaren Bibliotheken kann Python für alles Mögliche benutzt werden, egal ob Webseiten, Raspberry Pis oder Künstliche Intelligenz.
Die meisten KI-Bibliotheken wurden primär für Python entwickelt. Aufgrund der hohen Komplexität des maschinellen Lernens macht es Sinn, eine Programmiersprache zu wählen, welche sehr übersichtlich ist, damit man sich primär auf das Verstehen der KI, anstatt auf das Verstehen des Codes konzentrieren kann.
In folgendem Tutorial-Video vom Team INFOrmAtIc Teens erfahrt ihr mehr über ein paar grundlegende Funktionen in Python:
# Datensatz integrieren
„Eine KI ist nur so gut, wie die Daten, auf denen sie trainiert wurde.“ Dieser Satz hat einen sehr wahren Kern. Ihr solltet einen großen Anteil an Zeit dafür aufzuwenden, um eure Daten korrekt vorzubereiten.
Hier könnt ihr mehr darüber erfahren, wo ihr Datensätze finden könnt. Schaut euch auch dieses Tutorial-Video von den INFOrmAtIc Teens an:
# Genauigkeit
Die Genauigkeit ist neben dem Loss die primäre Metrik für die Auswertung eures Netzes und beschreibt, wie gut eure KI auf unbekannten Daten arbeitet. Für die Berechnung der Genauigkeit solltet ihr stets einen Teil eures Datensatzes reservieren, um zu prüfen, ob eure KI gut generalisiert und somit gut mit unbekannten Daten umgehen kann.
In folgendem Video lernt ihr an einem Beispiel die Implementierung einer Funktion, mit welcher ihr die Genauigkeit eures Netzes berechnen könnt:
# TensorFlow
TensorFlow ist die aktuell am weitesten verbreitete KI-Bibliothek und wird von Google entwickelt. TensorFlow findet vor allem Anwendung in der Industrie, da es sehr einfach ist, mit wenigen Zeilen Code komplexe Architekturen wie neuronale Netze zu erzeugen.
In folgendem Video erfahrt ihr, wie ihr TensorFlow nutzen könnt, um eure KI effektiv zu trainieren:
Wahrscheinlichkeiten
Im letzten Video schauen wir uns an wie wahrscheinlich es ist, dass die vom Algorithmus getroffenen Klassifikationen, unter Berücksichtigung von verschiedenen Merkmalen aus unserem Datensatz, richtig oder falsch vorgenommen wurden.