Von der Schulmathematik zu künstlichen neuronalen Netzen

dc.contributor.author	Kindler, Stephan
dc.contributor.author	Schönbrodt, Sarah
dc.contributor.author	Frank, Martin
dc.date.accessioned	2023-07-06T19:02:19Z
dc.date.available	2023-07-06T19:02:19Z
dc.date.issued	2023
dc.description.abstract	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).	de
dc.identifier.uri	http://hdl.handle.net/2003/41929
dc.identifier.uri	http://dx.doi.org/10.17877/DE290R-23766
dc.language.iso	de	de
dc.publisher	Gesellschaft für Didaktik der Mathematik
dc.relation.ispartof	Beiträge zum Mathematikunterricht 2022
dc.relation.ispartofseries	Beiträge zum Mathematikunterricht; 56, 2022	de
dc.subject	Jupyter Notebooks	de
dc.subject	künstliche neuronale Netze	de
dc.subject	Lineare Regression	de
dc.subject	Maschinelles Lernen	de
dc.subject	Modellierung	de
dc.subject.ddc	510
dc.title	Von der Schulmathematik zu künstlichen neuronalen Netzen	de
dc.type	Text	de
dc.type.publicationtype	ConferencePaper	de
dcterms.accessRights	open access
eldorado.dnb.deposit	true	de
eldorado.secondarypublication	false	de

Dateien

Gerade angezeigt 1 - 1 von 1

Gerade angezeigt 1 - 1 von 1