Buffl uses cookies to provide you with a better experience. You can find more information in our privacy policy.
1.(LE2) Erläutern Sie verschiedene Verständnisse zum Begriff Digitalisierung
- „Digitalization“: Abläufe/Aufgabenerledigung/Geschäftsmodelle basieren verstärkt auf IT-Einsatz
- Effizienzsteigerung
- Rationalisierung
- Automatisierung (von etablierten Arbeitsabläufen)
- Weitgehendes Verständnis von „Digitalisierung“:
=> neue Abläufe, neue Produkte, neue Geschäftsmodelle in verschiedenen Anwendungsgebieten
Bsp.: Prozess von Formular in Papierform zu automatisierter Erstellung in digitaler Form
2.(LE2) Erläutern Sie Digitale Plattformen generell und anhand von Beispielen.
- Vermittler für Interaktion zwischen zwei oder mehr Nutzergruppen
-> neue (IT-basierte) Formen der Koordination von Angebot und Nachfrage
- „Digital“ im Sinne einer IT-Umsetzung (in der Regel basierend auf Internet/Web),
-> reduzierte Transaktionskosten
-> Neue Möglichkeiten für Bewertungen
- Plattformgröße vorteilhaft aufgrund von Netz(werk)effekten
Beispiel:
Netflix-> digitale Videothek
Amazon-> bequem per Mausklick/Touch neue dinge schnell kaufen ohne in einen Laden zu müssen
3.(LE2) Beschreiben Sie gängige Auffassungen zu Künstlicher Intelligenz und geben Sie Beispiele für sogenannte Schwache KI an.
- Maschinen (Computer, Algorithmen, Programme, Software) sollen herausfordernde (Informationsverarbeitungs-)Aufgaben lösen, für die man eigentlich „menschliche Intelligenz“ voraussetzt
- Maschine soll Aufgaben erledigen, welche sonst Menschen erledigen
Beispiele schwacher KI:
=> Klar abgegrenzter Problembereich
- Computer-Spieler in Spielen wie Schach, Go, Video-Spiele (FIFA xx, Shooter) usw.
- Automatischer Handel an Wertpapierbörsen
- Umgebungs-/Bilderkennung -> autonomes Fahren
- Sprache erkennen und „verstehen“ -> sprachbasierte
Beispiel starke KI
Anspruch der „Starken KI“: Echte Abbildung/Nachbildung allgemeiner menschlicher Intelligenz in großem Anwendungsbereich, auch für neuartige Problemstellungen (breites Lernen, kreative Problemlösung)
4.(LE2) Nennen Sie die elementare Funktionsweise künstlicher neuronaler Netze.
Zuordnung von Eingaben (Features X1, X2, ...) zu einem Ergebnis-/Ausgabewert (Label)
-> wenn es bei der Ausgabe um Zuordnung in Klassen geht: Klassifikationsproblem
-> wenn die Ausgabe ein numerischer Wert ist: Regressionsproblem
- Je nach Problem entweder ein- oder mehrschichtige neuronale Netze zur Lösung nötig
5.(LE2) Beschreiben Sie, was man unter Generativer KI und Large Language Models
(LLMs) versteht, erläutern Sie zugehörige Potenziale und ausgewählte Herausforderungen.
Bewerten und verwenden Sie anhand konkreter Nutzungen entsprechender Werkzeuge diese relativ neue Technologie exemplarisch.
Erläuterung:
Large Language Models (LLM):
Große neuronale Netze, insbes. solche mit einer „Transformer- Architektur“, welche „vortrainiert“ werden
-> LLMs basieren auf schlichtem Rechnen mit Zahlen
=> Nicht auf explizit eingebautem „symbolischen Regel- /Expertenwissen“
=> Wenn es um Texte geht: Worte werden durch Zahlen repräsentiert
=> Multimodal, d.h. nicht nur „klassischer Text“ sondern auch Programmcode, Audio, (Bewegt-)Bilder
Beispiel: ChatGPT
Potenziale:
- Aktuell drastische Leistungssteigerungen von LLMs/Generativer KI
- Viele Beispiele für menschenähnliche Denkfähigkeit
- Vielfältiger Nutzen und Produktivitätssteigerungen
- Zukünftig Einbau in Alltagsobjekte und Verbindung mit der Realwelt
Herausforderungen:
- Bisher weniger gute Leistungen bzgl. Planungsaufgaben und Robotik
- Sicherheitsrisiken?
- Auswirkungen auf Berufe, Arbeitsmarkt, Bildung, Gesellschaft (auch negativ)
- Ökonomische, rechtliche, philosophische und ethische Fragen und Herausforderungen
Turing-Test
- Stellt fest, ob ein Computer so denken kann wie ein Mensch - Experiment: Mensch kommuniziert über eine Schnittstelle mit zwei unbekannten
Gegenstellen (Text-Chat)
-> Sofern Mensch nicht erkennt, ob hinter einer der Gegenstellen
ein Mensch oder eine Maschine steckt, könnte man der eingesetzten
Maschine die Fähigkeiten zum „Denken“ bzw. „Intelligenz“ zuschreiben
1.(LE3)Erläutern Sie den Fachbegriff Berechnung (inkl. Beispielen).
- Eine mathematische Operation ausführen
- Berechnung ist die Überprüfung, ob ein Problem lösbar ist oder nicht
-> Zentrale Fragen:
Gibt es Probleme, die nicht lösbar sind?
Gibt es prinzipielle Grenzen für Berechenbarkeit?
Beispiel: Überprüfung einer Zahl auf die Primzahleigenschaft
2.(LE3) Beschreiben Sie den Fachbegriff Algorithmus sowie vollziehen sie einfache Algorithmen nach, passen sie diese an und formulieren sie diese selbst (natürlichsprachig & vereinfachte Python-Notation).
Algorithmus:
- Informationsverarbeitung
- Mittelpunkt von Informatik
- Eindeutig beschriebene, „mechanisch“ nachvollziehbare Verfahren zur Lösung bestimmter Klassen von Problemen
- Vielfältige Ausdrucksformen (Modelle)
- Ausgerichtet auf Mensch oder Computer
3.(LE3) Erläutern Sie die Churchsche These.
These: „Jede im intuitiven Sinne berechenbare Funktion ist Turing-berechenbar.“
-> Kein mathematischer Satz
-> Zu jedem berechenbaren Problem kann man z.B. auch ein entsprechendes PythonAW-Programm konstruieren, das die gleiche Funktion berechnet.
-> Alle Widerlegungsversuche bislang gescheitert
Erkenntnis:
Alle Programmiersprachen und Computer(modelle) sind anscheinend hinsichtlich der
prinzipiellen Berechenbarkeit von Problemen gleichwertig
Folglich: „Berechenbar“ = „Turing-berechenbar“ = „PythonAW-berechenbar“ =...
5.(LE3) Erläutern Sie die Abschätzung des Rechenaufwands mittels der O-Notation und führen sie diese für einfache Fälle durch.
Komplexitätstheorie:
Zentrale Frage: Welcher Aufwand fällt zur Berechnung eines (berechenbaren) Problems an?
-> Primäres Ziel: Quantifizierung des (Rechen-)Aufwands zur Lösung eines Problems
-> Häufig vereinfachte Quantifizierung durch die O-Notation Ziel: „grobe“ Aussagen zum Laufzeitverhalten „für große n“ (n=Problemgröße)
6.(LE3) Ordnen Sie gewisse Probleme und Algorithmen in typische Laufzeitkomplexitätsklassen
ein.
-> Die Laufzeitkomplexität bezeichnet das Laufzeitverhalten eines Algorithmus in Abhängigkeit vom Umfang seiner Eingabedaten.
7.(LE3) Berechnen und veranschaulichen Sie die Auswirkungen verschiedener Laufzeitkomplexitäten hinsichtlich der praktischen Lösbarkeit.
8.(LE3)Ordnen Sie Algorithmen/Probleme hinsichtlich einer praktikablen Ausführung bzw. Lösung ein und erläutern Sie die Fragestellung „P vs. NP?“.
1.(LE4) Charakterisieren Sie Informationen in Abgrenzung zu Daten und Wissen.
2.(LE4) Erläutern und codieren Sie einfache Sachverhalte binär und nennen Sie Beispiele für den praktischen Einsatz der Binärcodierung.
Digitale Abbildung von Informationen (wie Zahlen, Texte, Bilder, Filme, Töne, ...)
Binärsystem: Zeichenmenge (0,1)
z.B. Frühling->00
Sommer->01
Herbst. ->10
Winter. ->11
3.(LE4) Nennen Sie Stellenwertsysteme und formen Sie Zahlen zwischen unterschiedlichen Zahlensystemen um.
Stellenwertsysteme:
Dezimal_10->z.B. (86)_2
Dual_2->z.B.(1010110)_2
Hexadezimal_16->z.B.(AB15)_16
8Bit=1Byte
Kilobyte=2^10
Megabyte2^20
etc
4.(LE)4) Beschreiben Sie die typische Repräsentationsform von Gleitkommazahlen.
5.(LE4) Erläutern Sie, wie Texte, Bilder sowie stetige Größen digital abgebildet werden können.
1.(LE5) Erläutern Sie verschiedene Verständnisse zum Informationsbegriff und verschiedene Maße für den Informationsgehalt.
Last changed2 months ago