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 GrößeFormat 
BzMU22 KINDLER NeuronaleNetze.pdfDNB66.09 kBAdobe PDFÖffnen/Anzeigen


Diese Ressource ist urheberrechtlich geschützt.



Diese Ressource ist urheberrechtlich geschützt. rightsstatements.org