Autor(en): | Kindler, Stephan Schönbrodt, Sarah Frank, Martin |
Titel: | Von der Schulmathematik zu künstlichen neuronalen Netzen |
Sprache (ISO): | de |
Zusammenfassung: | Maschinelles Lernen (ML) und KI werden in unserer datengetriebenen Welt immer wichtiger, sind im Mathematikunterricht aber kaum zu finden. Dabei erlauben die mathematischen Grundlagen gängiger ML-Methoden zahlreiche Anknüpfungspunkte an schulmathematische Inhalte. Um diesem Defizit entgegenzuwirken, werden im Rahmen des Schülerprogramms CAMMP (www.cammp.online) computergestützte Lernumgebungen entwickelt mithilfe derer Schüler*innen problemorientiert in die mathematischen Grundlagen von ML-Methoden eintauchen (Schönbrodt et al. 2021). |
Schlagwörter: | Jupyter Notebooks künstliche neuronale Netze Lineare Regression Maschinelles Lernen Modellierung |
URI: | http://hdl.handle.net/2003/41929 http://dx.doi.org/10.17877/DE290R-23766 |
Erscheinungsdatum: | 2023 |
Provinienz: | Gesellschaft für Didaktik der Mathematik |
Ist Teil von: | Beiträge zum Mathematikunterricht 2022 |
Enthalten in den Sammlungen: | 2022 |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
BzMU22 KINDLER NeuronaleNetze.pdf | DNB | 66.09 kB | Adobe PDF | Öffnen/Anzeigen |
Diese Ressource ist urheberrechtlich geschützt. |
Diese Ressource ist urheberrechtlich geschützt. rightsstatements.org