Alle Lektionen

Kurs

KI in der 4. Klasse: Daten-Detektive

Sammle Daten, gib jedem Beispiel das richtige Etikett, trainiere einen einfachen Klassifizierer und teste ihn.

Mach die Lektionen der Reihe nach. Am Ende kannst du sagen, dass Daten Fakten sind, die wir sammeln, und eine Zeile und eine Spalte in einer Tabelle lesen. Du kannst Merkmale nennen, jedem Beispiel das richtige Etikett geben und ein falsches Etikett korrigieren. Du kannst ein Modell auf zwei oder drei Gruppen trainieren, ein Modell mit Bildern testen, die es nicht gesehen hat, zählen, wie viele Vorhersagen richtig sind, und eine falsche Vorhersage erklären. Du kannst eine Gruppe finden, die in einem Datensatz fehlt, ihn ausgleichen und berichten, was dein Recycling-Sortierer richtig und falsch macht.

So benutzt du diese Lektionen

  • Fang bei der Lektion an, auf der Mach das steht. Geh weiter, wenn du die Zeile unter dem Titel allein machen kannst.
  • Spiel zuerst die Spiele. Dann mach das Quiz. 8 von 10 richtig zum Bestehen. Die Arbeitsblätter sind auf Papier. Die Antworten sind unten.
  • Eine kurze Runde reicht. Wenn eine Lektion schwer ist, mach die davor noch einmal.
  • Führe ein Datenheft. Für den Sortierer nimm saubere Dinge aus Papier, Plastik und Metall von zu Hause. Nutze KI-Werkzeuge nur mit einer Lehrkraft oder einem Elternteil, und mach nie Fotos von Menschen, ohne zu fragen.

Jede Lektion hat Spiele, Quiz und Arbeitsblätter.

0 von 30

Was sind Daten?

  1. 1Was sind DatenSag, dass Daten Fakten sind, die wir sammeln.
    • Finde Daten in einem Wetterbericht und in einem Spielstand.
    • Sag, wer sie sammelt und warum.
    • Sammle drei Fakten über deinen Tag.
  2. 2Arten von DatenSortiere Daten in Zahlen, Wörter, Bilder und Töne.
    • Sortiere zehn Daten in vier Gruppen.
    • Sag, welche Art eine Kamera sammelt.
    • Sag, welche Art ein Thermometer sammelt.
  3. 3TabellenLies eine Zeile und eine Spalte in einer Tabelle.
    • Sag, dass jede Zeile ein Beispiel ist.
    • Sag, dass jede Spalte ein Merkmal ist.
    • Finde einen Wert in einer Tabelle.
  4. 4Baue einen DatensatzBaue einen Datensatz: eine kleine Tabelle über Haustiere.
    • Wähle drei Spalten: Name, Art und Beine.
    • Füge zehn Zeilen hinzu.
    • Prüfe, ob jedes Feld gefüllt ist.
  5. 5Fragen aus DatenBeantworte eine Frage mit einer Tabelle.
    • Frag: „Welches Haustier kommt am häufigsten vor?“
    • Zähle, um die Antwort zu finden.
    • Mach ein Balkendiagramm davon.

Daten sammeln und etikettieren

  1. 6MerkmaleNenne Merkmale eines Gegenstands, wie Farbe und Größe.
    • Liste Merkmale eines Blatts auf.
    • Sag, welche Merkmale du messen kannst.
    • Wähle die Merkmale, die zwei Blätter unterscheiden.
  2. 7EtikettenGib jedem Beispiel das richtige Etikett.
    • Sag, dass ein Etikett die Antwort ist, die die KI lernen soll.
    • Etikettiere zwanzig Bilder.
    • Prüfe die Etiketten eines Freundes.
  3. 8Gute DatenSag, warum gute Daten wichtig sind: klare und richtige Beispiele.
    • Vergleiche klare und unscharfe Fotos.
    • Vergleiche richtige und falsche Etiketten.
    • Sag, welche Menge die KI besser lehren würde.
  4. 9Unordentliche DatenFinde unordentliche Daten und korrigiere ein falsches Etikett.
    • Finde leere Felder, Tippfehler und falsche Etiketten.
    • Korrigiere jedes Problem.
    • Sag, was die KI lernen würde, wenn du es nicht tust.
  5. 10Sammle MerkmaleSammle Merkmale: miss und notiere sie bei zehn Gegenständen.
    • Miss Länge und Gewicht.
    • Notiere Farbe und Form.
    • Füge jeder Zeile ein Etikett hinzu.

Wie KI lernt

  1. 11Trainieren mit BeispielenSag, dass ein Modell aus etikettierten Beispielen lernt.
    • Sag, was ein Modell ist.
    • Sag, dass Trainieren heißt, ihm Beispiele zu zeigen.
    • Wähle gute Trainingsbeispiele.
  2. 12Wie Klassifikation funktioniertSag, wie ein Klassifizierer ein Etikett wählt.
    • Sag, dass ein Klassifizierer Dinge in Gruppen steckt.
    • Sieh zu, wie er ein neues Bild mit seinen Beispielen vergleicht.
    • Sag, welcher Gruppe es am nächsten ist.
  3. 13Trainiere dein erstes ModellTrainiere ein Modell auf zwei oder drei Gruppen.
    • Wähle zwei oder drei Gruppen.
    • Füge jeder Gruppe mindestens zehn Beispiele hinzu.
    • Drück auf Trainieren und sieh zu, wie es lernt.
  4. 14Teste neue BeispieleTeste ein Modell mit Bildern, die es nicht gesehen hat.
    • Zeig dem Modell neue Bilder.
    • Notiere jede Vorhersage.
    • Markiere jede als richtig oder falsch.
  5. 15TrainingslaborTrainiere, teste und verbessere ein Modell.
    • Trainiere ein Modell auf deine eigenen Gruppen.
    • Teste es und finde seine Fehler.
    • Füge Beispiele hinzu und teste es noch einmal.

Vorhersagen machen

  1. 16Trainieren und testenSag, warum wir mit neuen Beispielen testen.
    • Vergleiche einen Test mit alten Bildern und einen mit neuen Bildern.
    • Sag, warum der Test mit alten Bildern nicht fair ist.
    • Halte einen Testsatz getrennt.
  2. 17Richtig und falschZähle, wie viele Vorhersagen richtig sind.
    • Zähle richtige und falsche Vorhersagen.
    • Schreib die Punktzahl als 8 von 10.
    • Vergleiche zwei Modelle nach ihren Punktzahlen.
  3. 18Wie sicherLies, wie sicher ein Modell ist.
    • Lies den Balken, der zeigt, wie sicher es ist.
    • Finde eine Vorhersage, bei der das Modell nicht sicher ist.
    • Sag, wann ein Mensch prüfen sollte.
  4. 19Warum es falsch lagErkläre, warum es falsch lag: eine falsche Vorhersage.
    • Schau ein Bild an, das das Modell falsch hatte.
    • Vergleiche es mit den Trainingsbeispielen.
    • Sag, was anders war.
  5. 20Verbessere das ModellVerbessere das Modell: füge Beispiele hinzu und teste noch einmal.
    • Füge Beispiele hinzu, die denen ähneln, die es verfehlt hat.
    • Trainiere noch einmal.
    • Vergleiche die neue Punktzahl mit der alten Punktzahl.

Fairness und Voreingenommenheit

  1. 21Wer fehltFinde eine Gruppe, die in einem Datensatz fehlt.
    • Schau einen Datensatz von Hunden ohne kleine Hunde an.
    • Sag, was das Modell falsch machen wird.
    • Finde eine fehlende Gruppe in einem anderen Datensatz.
  2. 22Ausgeglichene DatenSag, ob ein Datensatz in jeder Gruppe dieselbe Anzahl hat.
    • Zähle die Beispiele in jeder Gruppe.
    • Mach ein Balkendiagramm der Zahlen.
    • Sag, ob der Datensatz ausgeglichen ist.
  3. 23Unfaire ErgebnisseSag, wie fehlende Daten KI unfair machen können.
    • Sieh ein Modell, das für eine Gruppe gut und für eine andere schlecht arbeitet.
    • Verbinde das Problem mit den Daten.
    • Sag, wer verletzt werden könnte.
  4. 24Repariere den DatensatzFüge Beispiele hinzu, um einen Datensatz auszugleichen.
    • Plane, welche Beispiele du hinzufügst.
    • Füge sie hinzu und trainiere noch einmal.
    • Prüfe, ob die Punktzahl jeder Gruppe besser wurde.
  5. 25Fair für alleSag, wer verletzt werden könnte, wenn KI nicht fair für alle ist.
    • Lies eine kurze Geschichte über eine unfaire KI.
    • Sag, wer ausgelassen wurde.
    • Schreib eine Regel, um sie fair zu machen.

KI-Wissenschaftslabor

  1. 26Stell eine FrageSchreib eine Frage, die ein KI-Sortierer beantworten könnte.
    • Wähle eine Sortieraufgabe, wie Recycling.
    • Schreib die Frage: „Ist das Papier, Plastik oder Metall?“
    • Sag, wie der Sortierer helfen würde.
  2. 27Plane die DatenPlane, welche Beispiele du sammelst.
    • Liste die Gruppen auf.
    • Plane, wie viele Beispiele für jede Gruppe.
    • Plane, welche Beispiele du zum Testen behältst.
  3. 28Baue den SortiererTrainiere einen Recycling-Sortierer auf Papier, Plastik und Metall.
    • Mach Fotos von sauberem Recycling.
    • Etikettiere die Fotos.
    • Trainiere den Sortierer.
  4. 29Teste schwere FälleTeste den Sortierer an kniffligen Dingen.
    • Teste zerknülltes Papier und glänzendes Plastik.
    • Notiere die Ergebnisse.
    • Finde das Ding, das er am häufigsten falsch macht.
  5. 30Bericht zum Recycling-SortiererBerichte, was dein Recycling-Sortierer richtig und falsch macht.
    • Teile deine Punktzahl.
    • Zeig einen Fehler und erkläre ihn.
    • Sag, wie du ihn besser machen würdest.