<?xml version="1.0" encoding="UTF-8"?>
<!-- generator="FeedCreator 1.8" -->
<?xml-stylesheet href="https://www.learnj.de/1213/lib/exe/css.php?s=feed" type="text/css"?>
<rdf:RDF
    xmlns="http://purl.org/rss/1.0/"
    xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
    xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
    xmlns:dc="http://purl.org/dc/elements/1.1/">
    <channel rdf:about="https://www.learnj.de/1213/feed.php">
        <title>Informatik 12/13 (G9) - ki</title>
        <description></description>
        <link>https://www.learnj.de/1213/</link>
        <image rdf:resource="https://www.learnj.de/1213/lib/exe/fetch.php?media=wiki:logo.png" />
       <dc:date>2026-05-20T16:17:09+00:00</dc:date>
        <items>
            <rdf:Seq>
                <rdf:li rdf:resource="https://www.learnj.de/1213/doku.php?id=ki:einsatz&amp;rev=1770381593&amp;do=diff"/>
                <rdf:li rdf:resource="https://www.learnj.de/1213/doku.php?id=ki:k-means&amp;rev=1772455543&amp;do=diff"/>
                <rdf:li rdf:resource="https://www.learnj.de/1213/doku.php?id=ki:neuron&amp;rev=1771607602&amp;do=diff"/>
                <rdf:li rdf:resource="https://www.learnj.de/1213/doku.php?id=ki:neuronalenetze&amp;rev=1771513128&amp;do=diff"/>
                <rdf:li rdf:resource="https://www.learnj.de/1213/doku.php?id=ki:neuronalenetzelernen&amp;rev=1768508616&amp;do=diff"/>
                <rdf:li rdf:resource="https://www.learnj.de/1213/doku.php?id=ki:start&amp;rev=1767554501&amp;do=diff"/>
                <rdf:li rdf:resource="https://www.learnj.de/1213/doku.php?id=ki:verstaerkend&amp;rev=1770204664&amp;do=diff"/>
                <rdf:li rdf:resource="https://www.learnj.de/1213/doku.php?id=ki:wiederholung&amp;rev=1770974732&amp;do=diff"/>
            </rdf:Seq>
        </items>
    </channel>
    <image rdf:about="https://www.learnj.de/1213/lib/exe/fetch.php?media=wiki:logo.png">
        <title>Informatik 12/13 (G9)</title>
        <link>https://www.learnj.de/1213/</link>
        <url>https://www.learnj.de/1213/lib/exe/fetch.php?media=wiki:logo.png</url>
    </image>
    <item rdf:about="https://www.learnj.de/1213/doku.php?id=ki:einsatz&amp;rev=1770381593&amp;do=diff">
        <dc:format>text/html</dc:format>
        <dc:date>2026-02-06T12:39:53+00:00</dc:date>
        <dc:creator>Anonymous (anonymous@undisclosed.example.com)</dc:creator>
        <title>einsatz</title>
        <link>https://www.learnj.de/1213/doku.php?id=ki:einsatz&amp;rev=1770381593&amp;do=diff</link>
        <description>Chancen und Risiken von KI

Der Lehrplan fordert zu diesem Thema: &quot;Die Schülerinnen und Schüler nehmen zu aktuellen Einsatzmöglichkeiten des maschinellen Lernens (z. B. Gesichtserkennung, Clustering von Kundendaten zu Marketingzwecken) Stellung, indem sie Chancen und Risiken beschreiben und diese hinsichtlich individueller und gesellschaftlicher Verantwortung bewerten.&quot;</description>
    </item>
    <item rdf:about="https://www.learnj.de/1213/doku.php?id=ki:k-means&amp;rev=1772455543&amp;do=diff">
        <dc:format>text/html</dc:format>
        <dc:date>2026-03-02T12:45:43+00:00</dc:date>
        <dc:creator>Anonymous (anonymous@undisclosed.example.com)</dc:creator>
        <title>k-means</title>
        <link>https://www.learnj.de/1213/doku.php?id=ki:k-means&amp;rev=1772455543&amp;do=diff</link>
        <description>Der k-Means-Algorithmus

Einführung: Unüberwachtes Lernen


30 Bürger/-innen, die in der Stadt Großschwabhausen arbeiten, wurden darüber befragt, wie weit ihre Arbeitsstätte von ihrem Wohnort entfernt ist und wie oft sie für diese Strecke das eigene Fahrzeug bzw. öffentliche Verkehrsmitteln (ÖPNV) nutzen. Die Antworten sind im Graph rechts dargestellt (je Person ein Datenpunkt).$k$$k = 3$$A = (x_a, y_a)$$B = (x_b, y_b)$$$d(A, B) = \sqrt{((x_a - x_b)^2 + (y_a - y_b)^2)}$$${\rm I\!R}^n$$(x_{Zentru…</description>
    </item>
    <item rdf:about="https://www.learnj.de/1213/doku.php?id=ki:neuron&amp;rev=1771607602&amp;do=diff">
        <dc:format>text/html</dc:format>
        <dc:date>2026-02-20T17:13:22+00:00</dc:date>
        <dc:creator>Anonymous (anonymous@undisclosed.example.com)</dc:creator>
        <title>neuron</title>
        <link>https://www.learnj.de/1213/doku.php?id=ki:neuron&amp;rev=1771607602&amp;do=diff</link>
        <description>Wiederholung aus Jgst. 11: Künstliches Neuron

Ein künstliches Neuron ist eine Funktion, die $n$ Eingabewerte $x_1, x_2, \ldots, x_n$ entgegennimmt und einen Ausgabewert liefert. Die genaue Funktion des Neurons wird bestimmt durch folgende Konstanten:

	*  $n$ Gewichte $w_1, w_2, \ldots, w_n$
	*  den $\theta$$H(x)$$$H(x_1\cdot w_1 + x_2\cdot w_2 + \ldots + x_n\cdot w_n - \Theta)$$$H(x) = \begin{cases} 0 &amp; \text{für } x &lt; 0 \\ 1 &amp; \text{für } x \ge 0 \end{cases}$$\mathrm{ReLU}(x) = \begin{cases} …</description>
    </item>
    <item rdf:about="https://www.learnj.de/1213/doku.php?id=ki:neuronalenetze&amp;rev=1771513128&amp;do=diff">
        <dc:format>text/html</dc:format>
        <dc:date>2026-02-19T14:58:48+00:00</dc:date>
        <dc:creator>Anonymous (anonymous@undisclosed.example.com)</dc:creator>
        <title>neuronalenetze</title>
        <link>https://www.learnj.de/1213/doku.php?id=ki:neuronalenetze&amp;rev=1771513128&amp;do=diff</link>
        <description>Neuronale Netze


Viele Probleme sind nicht linear separierbar, d.h. man kann keine Trennlinie zwischen den unterschiedlichen Klassen von Punkten finden. In diesen Fällen verschaltet man mehrere Neuronen zu einem neuronalen Netz. 

Beispielaufgabe

$(x_1\ x_2)$$(x_1/x_2)$$x_2 \ge -3x_1 + 6$$$3x_1 + x_2 - 6 \ge 0$$$(x_1/x_2)$$x_2 \le -0,4x_1 + 4$$$-0,4x_1 - x_2 + 4 \ge 0$$$(x_1/x_2)$$x_2 \ge 2$$(1,5/3)$$H(3\cdot x_1 + 1\cdot x_2 - 6) = H(1,5) = 1$$H(-0,4\cdot x_1 - 1\cdot x_2 - (-4)) = H(0,4) = 1…</description>
    </item>
    <item rdf:about="https://www.learnj.de/1213/doku.php?id=ki:neuronalenetzelernen&amp;rev=1768508616&amp;do=diff">
        <dc:format>text/html</dc:format>
        <dc:date>2026-01-15T20:23:36+00:00</dc:date>
        <dc:creator>Anonymous (anonymous@undisclosed.example.com)</dc:creator>
        <title>neuronalenetzelernen</title>
        <link>https://www.learnj.de/1213/doku.php?id=ki:neuronalenetzelernen&amp;rev=1768508616&amp;do=diff</link>
        <description>Backpropagation

In den bisherigen Aufgaben dieses Kapitels haben wir anhand vorgegebener gelabelter Testdaten künstliche Neuronen und dann neuronale Netze &quot;von Hand&quot; erstellt, sodass sie die durch die Testdaten vorgegebene Kategorisierung möglichst gut wiedergaben. In der Praxis sind die neuronalen Netze ungleich umfangreicher, sodass diese Vorgehensweise nicht tragfähig ist. Benötigt wird ein Algorithmus, der$(IstWert_1, ..., IstWert_n)$$(Sollwert_1, ..., Sollwert_n)$$$MSE = \frac{1}{n} \sum_{…</description>
    </item>
    <item rdf:about="https://www.learnj.de/1213/doku.php?id=ki:start&amp;rev=1767554501&amp;do=diff">
        <dc:format>text/html</dc:format>
        <dc:date>2026-01-04T19:21:41+00:00</dc:date>
        <dc:creator>Anonymous (anonymous@undisclosed.example.com)</dc:creator>
        <title>start</title>
        <link>https://www.learnj.de/1213/doku.php?id=ki:start&amp;rev=1767554501&amp;do=diff</link>
        <description>11. Künstliche Intelligenz (KI)

Arten von KI

Man unterscheidet zunächst zwischen

	*  wissensbasierten Systemen (bei denen Menschen der KI feste Regeln vorgeben, nach denen sie handeln soll) und 
	*  datenbasierten Systemen (bei denen die KI keine fest vorgegebenen Entscheidungsregeln hat, sondern diese auf Grundlage von Daten selbst findet, also gewissermaßen &quot;lernt&quot;).</description>
    </item>
    <item rdf:about="https://www.learnj.de/1213/doku.php?id=ki:verstaerkend&amp;rev=1770204664&amp;do=diff">
        <dc:format>text/html</dc:format>
        <dc:date>2026-02-04T11:31:04+00:00</dc:date>
        <dc:creator>Anonymous (anonymous@undisclosed.example.com)</dc:creator>
        <title>verstaerkend</title>
        <link>https://www.learnj.de/1213/doku.php?id=ki:verstaerkend&amp;rev=1770204664&amp;do=diff</link>
        <description>Verstärkendes Lernen (reinforcement learning)

[Verstärkendes Lernen]

Bei verstärkenden Lernen bekommt die KI den Zustand des Systems in Form von Daten als Eingabe. Sie kann dann Agieren, um den Zustand zu verändern. Das Agieren wird bewertet und die Bewertung wird der KI in Form einer Zahl zurückgemeldet. Die KI passt dann ihre Strategie so an, dass die Bewertung beim nächsten Durchlauf möglichst hoch wird.</description>
    </item>
    <item rdf:about="https://www.learnj.de/1213/doku.php?id=ki:wiederholung&amp;rev=1770974732&amp;do=diff">
        <dc:format>text/html</dc:format>
        <dc:date>2026-02-13T09:25:32+00:00</dc:date>
        <dc:creator>Anonymous (anonymous@undisclosed.example.com)</dc:creator>
        <title>wiederholung</title>
        <link>https://www.learnj.de/1213/doku.php?id=ki:wiederholung&amp;rev=1770974732&amp;do=diff</link>
        <description>Wiederholungsstunde vor der Kurzarbeit

Inhalte der Kurzarbeit am Mittwoch, 25.02.2026

	*  Künstliche Neuronen
	*  Neuronale Netze (ohne Backpropagation)
	*  Unüberwachtes Lernen/k-Means-Algorithmus

Aufgabe 1: Künstliches Neuron/neuronales Netz

	*  Bearbeiten Sie die illustrierende Prüfungsaufgabe auf erhöhtem Anforderungsniveau, Nr. III 1a. Hier die Lösungsskizze.
	*  Bearbeiten Sie die illustrierende Prüfungsaufgabe auf grundlegendem Anforderungsniveau, Nr. IV 1. Hier die Lösungsskizze.

Au…</description>
    </item>
</rdf:RDF>
