VisualApps
Browser-basierte Visualisierungsapps, die KI- und Machine-Learning-Algorithmen interaktiv erlebbar machen – ohne Installation, ohne Vorkenntnisse.
KI-Modelle im Vergleich
Wie schnell werden KI-Modelle leistungsfähiger? Interaktive Visualisierung des METR-Zeithorizonts: Wie lange dauernde Aufgaben können verschiedene Modelle zuverlässig lösen?
App öffnen →
Neuronales Netz (ANN)
Ein einfaches neuronales Netz erkennt handgeschriebene Ziffern in Echtzeit. Gewichte, Aktivierungen und Lernfortschritt werden live visualisiert.
App öffnen →
K-Nearest Neighbors (kNN)
Interaktive 2D-Visualisierung des kNN-Algorithmus. Datenpunkte lassen sich verschieben, hinzufügen und löschen – die Klassifikationsregionen passen sich in Echtzeit an.
App öffnen →
K-Nearest Neighbors 3D
Der kNN-Algorithmus dreidimensional – rotierbar, zoombar, intuitiv erlebbar. Inklusive Live-Demo zur Gestenerkennung (Schere, Stein, Papier).
App öffnen →
Support Vector Machines (SVM)
Visualisierung einer der leistungsfähigsten überwachten Lernmethoden. Zeigt, wie Support-Vektoren die optimale Trenngrenze zwischen Klassen bestimmen.
App öffnen →
Entscheidungsbaum
Der Entscheidungsbaum wird auf Trainingsdaten trainiert und grafisch dargestellt. Jeder Entscheidungsweg lässt sich Schritt für Schritt nachverfolgen.
App öffnen →
Naive Bayes
Klassifikation mit dem Naive-Bayes-Algorithmus – bekannt aus Spam-Filtern. Zeigt, wie kategoriale Merkmale probabilistisch zur Klassenzuweisung genutzt werden.
App öffnen →
Lineare Regression
Das wohl einfachste ML-Verfahren interaktiv erlebbar. Datenpunkte lassen sich frei setzen und verschieben – die Regressionsgerade passt sich sofort an.
App öffnen →
Die VisualApps entstehen als Lehr- und Transferprojekt an der Schnittstelle von Hochschule und Praxis. Sie kommen in der eigenen Lehre an der Hochschule Reutlingen sowie in Firmentrainings und Vorträgen zum Einsatz.
Kontakt aufnehmen