Ein Modell selbst trainieren

In diesem Abschnitt lernen wir, wie wir auf einfache Art und Weise selbst ein ML-Modell trainieren und danach gleich testen bzw. anwenden können.

Die Anforderungen definieren

Als Ausgangssituation definieren wir die Anforderungen an unser Modell: Nach der Trainingsphase soll es in der Lage sein, drei unterschiedliche Plüschtiere auseinander halten bzw. erkennen zu können: Die Maus, das Schaf und den Otter. Im Rahmen des überwachten Lernprozesses werden wir dem System gelabelte Bilder der Maus, dann gelabelte Bilder des Schafes und schliesslich gelabelte Bilder des Otters zur Verfügung stellen.

Maus, Schaf und Katze: Diese drei Plüschtiere soll das Modell erkennen können.

Das Modell trainieren

Eine einfache Möglichkeit, ein eigenes Modell zu trainieren, das Bilder, Töne und Posen erkennen kann, bietet die von Google angebotene Webseite Teachable Machine. Auf der Seite können einfach und ohne Programmierkenntnisse einfache ML-Modelle für Webseiten, Apps oder eben für den Einsatz in Scratch erstellt werden. Dazu stellen wir dem System die Trainingsdaten zur Verfügung. Nach der Trainingsphase können wir in einem nächsten Schritt sogleich überprüfen, ob das Modell neue Beispiele korrekt klassifiziert.

Das Video erklärt am eingangs vorgestellten Beispiel mit Maus, Schaf und Otter Schritt für Schritt, wie dieser Lehr- bzw. Lernprozess auf Google Teachable Machine erfolgen kann.

Das Modell in Scratch einbinden

Das Modell kann über die Plattform Maschine Learning for Kids in Scratch-Programmierprojekten eingesetzt werden. Das Video erklärt Schritt für Schritt, wie wir auf der Webseite ein einfaches Projekt erstellen können, welches den Einsatz des selbsttrainierten Modells erlaubt.
Hinweis: Die Scratch-Erweiterung und die entsprechenden Bausteine für das selbsttrainierte Modell sind ausschliesslich über die Plattform Machine Learning for Kids verfügbar, nicht aber über die Seite www.scratch.mit.edu!

Links und Materialien:

Quellhinweise: