Die Idee
Algorithmen des maschinellen Lernens sind oft abstrakt und schwer greifbar – besonders in der Lehre. Die VisuApps machen genau das sichtbar: Sie visualisieren KI- und ML-Verfahren interaktiv im Browser, ohne Installation, ohne Vorkenntnisse. Wer die App bedient, versteht den Algorithmus.
Ich bin Initiator und Entwickler der VisuApps. Sie entstehen als Lehr- und Transferprojekt an der Schnittstelle von Hochschule und Praxis – und kommen in meiner eigenen Lehre an der Hochschule Reutlingen zum Einsatz.
Verfügbare Apps
KI-Modelle im Vergleich
Zeithorizont von Aufgaben, die verschiedene KI-Modelle in 50 % der Fälle lösen können – interaktiv auf Log- und Linearskala, basierend auf METR-Daten.
Neuronales Netz (ANN)
Ein einfaches neuronales Netz erkennt handgeschriebene Ziffern in Echtzeit. Gewichte, Aktivierungen und Lernfortschritt werden live visualisiert.
K-Nearest Neighbors (kNN)
Interaktive 2D-Visualisierung des kNN-Algorithmus. Datenpunkte lassen sich verschieben, hinzufügen und löschen – die Klassifikationsregionen passen sich in Echtzeit an.
K-Nearest Neighbors 3D
Der kNN-Algorithmus dreidimensional – rotierbar, zoombar, intuitiv erlebbar. Inklusive Live-Demo zur Gestenerkennung (Schere, Stein, Papier).
Support Vector Machines (SVM)
Visualisierung einer der leistungsfähigsten überwachten Lernmethoden. Zeigt, wie Support-Vektoren die optimale Trenngrenze zwischen Klassen bestimmen.
Entscheidungsbaum
Der Entscheidungsbaum wird auf Trainingsdaten trainiert und grafisch dargestellt. Jeder Entscheidungsweg lässt sich Schritt für Schritt nachverfolgen.
Naive Bayes
Klassifikation mit dem Naive-Bayes-Algorithmus – bekannt aus Spam-Filtern. Zeigt, wie kategoriale Merkmale probabilistisch zur Klassenzuweisung genutzt werden.
Lineare Regression
Das wohl einfachste ML-Verfahren interaktiv erlebbar. Datenpunkte lassen sich frei setzen und verschieben – die Regressionsgerade passt sich sofort an.
Zur Übersicht
steinbeis-analytics.de/visuapps/ →
