Münchener Zentrum für Lehrerbildung
print


Navigationspfad


Inhaltsbereich

Lernen, wie Maschinen lernen

 

Termin 05.-26.11.20, 13-17 Uhr c.t.
Ort online
Zielgruppe Studierende aller Lehrämter
Anmeldeschluss
Max. Teilnehmer 30
DozentIn KMBD
Anrechnung

Beschreibung

Kommentar

Auf Facebook und anderen Internetplattformen nutzen schon heute Menschen aller Altersgruppen Dienste, die auf Künstlicher Intelligenz basieren – oftmals ohne sich dessen bewusst zu sein. Experten prophezeien, dass in naher Zukunft viele Jobs durch denkende Maschinen ersetzt werden. Gleichzeitig herrscht bei vielen Menschen noch große Unklarheit darüber, was sich hinter Künstlicher Intelligenz verbirgt und welche Möglichkeiten und Risiken diese Technologie für die Zukunft bringt.

Ziel

Das Ziel dieses Kurses ist es, angehenden Pädagoginnen und Pädagogen anhand von Beispielen ein Grundverständnis zu den Themen Künstliche Intelligenz und Maschinelles Lernen zu vermitteln.

Dozenten

Hellerbrand, Stephan , Dr. ; Leonhardt, Aljoscha , Dr.

Inhalte

Folgende Einzelmodule werden im Rahmen des Kurses behandelt:

Einführung

Wir starten mit einem Überblick zu KI-Anwendungen, die uns im Alltag begegnen. Auf einem historischen Streifzug arbeiten wir uns von den regel-basierenden Systemen bis zum Perzeptron als Basiseinheit für moderne tiefe Netzwerke.

Hirnforschung

Wir lernen den grundlegenden Aufbau des menschlichen Gehirns kennen und erkunden Analogien zwischen der biochemischen Signalübertragung in echten Neuronen und der Informationsverarbeitung in künstlichen neuronalen Netzen.

Deep Learning für Einsteiger

Deep learning ist eine Art des maschinellen Lernens, die in den letzten Jahren große Erfolge auf verschiedenen Anwendungsgebieten verzeichnet hat. Wir zeigen, wie tiefe neuronale Netze für die Objekterkennung in Bildern funktionieren. Die Teilnehmer lernen in der Praxis, wie solche Netze “trainiert” werden und welche wichtige Rolle Daten dabei spielen.

Malende Maschinen

Maschinen als kreative Künstler? Die Teilnehmer lernen eine KI kennen, die Stile von Gemälden einzuordnen und zu imitieren lernt (“Neural Style Transfer”). In einem Fälscher-Wettbewerb können die Teilnehmer den kreativen Umgang mit einer derartigen KI ausprobieren.

AlphaGo und Co.

Anhand der Grundprinzipien der Konditionierung nach Pavlov nähern wir uns dem Reinforcement Learning. Bei dieser Art des maschinellen Lernens lernt eine Maschine, eine Aufgabe in einer vorgegeben Umgebung zu meistern. Wir zeigen, wie derartig trainierte KI erfolgreich laufen lernt, Computerspiele spielt oder einen Großmeister im Spiel Go schlägt.

Konkurrierende Netzwerke

Miteinander konkurrierende Netzwerke (GANs) können dafür genutzt werden, erstaunlich realistisch wirkende gefälschte Inhalte zu erzeugen. Wir lernen die Funktionsweise kennen und diskutieren die Implikationen möglicher Anwendungen, z.B. Deepfakes.

Maschinen lernen Sprachen

Auch bei Sprachen gibt es zahlreiche Anwendungen von KI-basierten Technologien. Wir zeigen, wie Sprache in Form von Zahlen dargestellt wird und wie Texte mit KI übersetzt und auf die Stimmung Ihres Autors hin analysiert werden können.

Leistungsnachweis

Sie können keine ECTS-Punkte erwerben. Studierende erhalten eine Teilnahme-Bestätigung und können sich das Seminar für das LehramtPRO-Zertifikat des Münchener Zentrums für Lehrerbildung mit dem Schwerpunkt „Schule online“ oder für das Profilqualifikationszertifikat des Kompetenznetzwerks Medienbildung und Digitalisierung anrechnen lassen.

Zum Erhalt der Teilnahmebestätigung melden Sie sich bitte nach erfolgreichem Seminarabschluss bei kmbd@edu.lmu.de

Zielgruppe

Alle Lehramtsstudierende und interessierte Angehörige der LMU München. Auch ReferendarInnen sowie Lehrkräfte im Dienst sind herzlich willkommen!

Anmeldung

Die Anmeldung erfolgt per Mail an kmbd@edu.lmu.de

 

Anmeldung für Studierende via LSF