KI-ENNA (2.0)

(E)in (N)euronales (N)etz...

KI-ENNA ermöglicht ressourceneffiziente Deep Learning Modelle auf Microcontrollern als Embedded Systems. Hierzu können nach dem Pretraining mit TensorFlow und Keras die Parameter in MicroPython für ein Offline- und Echtzeit-Monitoring auf KI-ENNA überführt werden.

...zum (A)usprobieren

KI-ENNA ist auch ein didaktisches Tool für Hochschulen, Berufsschulen und allgemeinbildende Schulen. Ziel ist die einfache Vermittlung der Funktionsweise von Neuronalen Netzen (Aktivierungsfunktionen, Parameter, etc.) mit klassischen Data Science Beispielen.


MIT Lizens. Informationen und kostenloser Download:

Einführung in Neuronale Netze

Bereits mit zwei funktionsfähigen Neuronalen Netzen ausgestattet lässt sich KI-ENNA sowohl für die Praxis als auch für Lehr- und Lernsettings flexibel anpassen. Hier geht es um die Neuronen, Schichten und Funktionen von Neuronalen Netzen.

Mathematische Grundlagen

KI-ENNA führt anschaulich an die mathematischen Grundlagen von Neuronalen Netzen heran und erklärt mit praktischen Beispielen deren Funktionsweise. Sigmoid, Tanh, ReLU, Leaky ReLU und Softmax lassen sich direkt als Funktionen ausprobieren.

Programmieren mit MicroPython

Mit KI-ENNA können die mathematischen Grundlagen einfach in MicroPython programmiert und direkt für die Verwendung auf einem Microcontroller umgesetzt werden. So können bspw. eine Matrix transponiert und Funktionen programmiert werden.

  • LinkedIn
  • Xing
  • GitHub
  • YouTube
  • UTB

STATISTICAL THINKING (2025) | LEGAL DISCLOSURE (PDF)
PRIVACY POLICY (PDF) | DESIGN: HTML5 UP (LINK) | No Cookies. No Tracking.