Einstieg in das Machine Learning über Computer Vision

Was sind künstliche neuronale Netzwerke? Woraus bestehen sie? Und wie arbeitet man mit ihnen?

Auf diese Fragen muss die gewerblich-technische Ausbildung schnellstmöglich eine Antwort geben. Besonders für alle, die mit Technik arbeiten, ist ein Grundverständnis darüber, wie der Teilbereich des Machine Learning die Arbeit an und mit Maschinen und Systemen verändert, unerlässlich.

Wie aber implementieren wir die KI in den Lernräumen?

„Wir haben ein System entwickelt, mit dem Lehrende das Thema praxisnah und detailliert behandeln können,“ erklärt Shalbus Bukarov, Produktmanager für Regelungstechnik bei Lucas-Nülle. „Unser Ziel war eine praktische Einführung ins Machine Learning, die das Funktionsprinzip des maschinellen Lernens sehr einfach und anschaulich vermittelt.“

Auf Basis der Bilderkennung bzw. Computer Vision (CV) nähern sich die Lernenden dem Thema über verschiedene spielerische Beispiele wie “Schere-Stein-Papier gegen KI” an. Das Trainingssystem 'Praktische Einführung ins Machine Learning' ermöglicht es, den kompletten Workflow zur Umsetzung einer KI-Applikation nachzuvollziehen, angefangen von der Beschaffung von Datensätzen bis hin zur Anwendung der fertigen Algorithmen. Ein wichtiges Lernziel besteht außerdem darin, dass die Anwender ein Gefühl für die Vorteile und Möglichkeiten des maschinellen Lernens bekommen und auch die Kompetenz erwerben, es zielführend einzusetzen.

Ein flexibeles System für viele Lernräume

Das KI-Steuergerät greift auf einen für maschinelles Lernen optimierten Ein-Platinen-Computer zurück und bietet mit WLAN, USB, HDMI und CAN alle wichtigen Schnittstellen. Für die CV steht außerdem eine HD-Kamera mit Stativ zur Verfügung. Für die Arbeit mit dem System sind keine Programmiervorkenntnisse nötig. Fortgeschrittene Anwender können sich jedoch auch tiefer mit dem offenen Code auseinandersetzen und so Kompetenzen in den Softwarekomponenten Python, Tensorflow und OpenCV erwerben.

„Wir haben unseren Lernansatz für die KI bewusst so gestaltet, dass er in möglichst vielen Lernszenarien zum Einsatz kommen kann.“
Shalbus Bukarov, Produktmanager

Neben “Schere, Stein, Papier” stehen dafür mit der Verkehrsschildererkennung und der optischen Qualitätsprüfung von produzierten Werkstücken weitere praxisnahe Szenarien des Machine Learning zur Verfügung. Auf Basis dieses KI-Steuergerätes kann das Thema nun seinen Platz in den Praxislaboren finden.

 

- 22.06.2021