Projekttag der 5B-WI zu Machine Learning An der WFO.bz fand kürzlich ein eintägiges Projekt der Klasse 5B-WI statt, das sich mit den Grundlagen der künstlichen Intelligenz und des maschinellen Lernens beschäftigte. Im Mittelpunkt stand eine kompakte Einführung von Prof. Thomas Egger in zentrale Themen des maschinellen Lernens für Schüler:innen der Abschlussklasse. Das Angebot verband Erklärungen mit Workshops und vielen praktischen Beispielen und griff Inhalte aus Informatik und Mathematik auf, etwa mit vereinfachten Koordinatensystemen zur Darstellung von Zusammenhängen. Zu Beginn standen alltagsnahe Anwendungen wie Gesichtserkennung auf dem Smartphone, Empfehlungen von Streaming-Diensten oder Navigationssysteme im Mittelpunkt. Dabei wurde verdeutlicht, wie digitale Systeme Muster in Daten erkennen und auf dieser Grundlage Entscheidungen vorbereiten. Ein weiterer Schwerpunkt lag auf Ausreißern in Datensätzen. Diese ungewöhnlichen Werte, wie sie beispielsweise bei Wettermessungen oder Finanzdaten auftreten, wurden in Challenges untersucht und eingeordnet. Beim Clustering hingegen wurden Daten automatisch in Gruppen eingeteilt, beispielsweise Kund:innen mit ähnlichem Verhalten oder Bilder mit vergleichbaren Merkmalen. Durch Übungen wurde veranschaulicht, wie sich Daten für die KI strukturiert zusammenfassen lassen. Ein weiterer Fokus lag auf Trainingsdaten und ihrer Bedeutung für lernende KI-Systeme. Anhand von Beispielen wie der Bilderkennung in der Medizin oder automatischen Übersetzungen wurde veranschaulicht, wie Modelle aus Daten lernen und wo ihre Grenzen liegen. Passend dazu wurde auch die Klassifizierung behandelt, beispielsweise bei der Unterscheidung von E-Mails und SPAM oder in medizinischen Kontexten. Ergänzend kam die Konfusionsmatrix zum Einsatz, um die Qualität der Ergebnisse systematisch zu bewerten. Es ging also darum, zu beurteilen, wie gut eine künstliche Intelligenz gelernt hat.
