spielen · tüfteln · lernen
Willkommen zu TicTacToe Menace: Der lernende Gegner! In dieser App spielst du gegen einen Computergegner, der auf dem Menace Streichholzschachtelrechner basiert – einem Beispiel für Reinforcement Learning.
Die Besonderheit: Die Lerntabelle kann sowohl lokal als auch in einer MySQL-Datenbank gespeichert werden, sodass der Gegner von mehreren Spielern gleichzeitig lernen kann!
(mehr …)
K-Means Clustering ist ein beliebter Algorithmus im Bereich des unüberwachten Lernens, der dazu verwendet wird, Daten in Gruppen oder Cluster zu unterteilen. Dieser Ansatz ermöglicht es, Muster in Daten zu erkennen, ohne dass vorherige Labels benötigt werden. Für eine Einführung in das Thema und ein unterhaltsames Brettspiel zur Veranschaulichung der Konzepte des unüberwachten Lernens findest du Informationen auf dieser Seite. Dort findest du Materialien, die dir helfen, die Grundlagen des K-Means Clustering besser zu verstehen und praktisch anzuwenden.
(mehr …)
In diesem Beitrag skizzieren wir die Entwicklung des QFelds mit Scratch. Wir beginnen mit dem Zeichnen des Spielfelds und der Implementierung der zufälligen Bewegung von Scratch. Im nächsten Schritt führen wir die Q-Tabelle ein, die als Grundlage für das verstärkende Lernen dient. Abschließend visualisieren wir die Entscheidungen von Scratch durch gezeichnete Pfeile, die seinen Weg auf dem Spielfeld darstellen.
(mehr …)
Das QFeld dient dazu, den Prozess des verstärkenden Lernens (Reinforcement Learning) mit Zettel und Stift nachzuspielen. Hierbei geht es darum, einen Weg zu lernen, indem du den Algorithmus unplugged anwendest. Im Gegensatz zu anderen Algorithmen, die auf optimale Lösungen abzielen, konzentriert sich dieser Ansatz darauf, durch Ausprobieren und Feedback zu lernen.
(mehr …)
Bei dem NIM-Spiel handelt es sich um ein Spiel, bei dem zwei Spieler gegeneinander spielen. Es eignet sich hervorragend maschinelles Lernen nach dem Prinzip des verstärkenden Lernens (reinforcement learning) zu verdeutlichen.
(mehr …)