# 1. Kernfunktion

• Teachable Machine ist ein maschinelles Lernwerkzeug von Google, das es Benutzern ermöglicht, einfache Klassifizierungsmodelle ohne Programmierung zu trainieren.
• Es unterstützt Bild -, Ton - und Gestendaten, und Benutzer können selbst Proben sammeln, Modelle trainieren und Ergebnisse in Echtzeit testen.
• Nach Abschluss des Trainings kann das Modell auch in eine Website, eine Anwendung oder ein kreatives Projekt exportiert werden, das sich für lehrende Präsentationen und Rapid Prototyping eignet.

# 2 Benutzung von Szenen

• Geeignet für den Unterricht im Klassenzimmer, das Prototyping von interaktiven Geräten, die kreative Programmierung, persönliche Experimente und die Einführung in leichte Maschinenlernen.
• Wenn Sie schnell überprüfen möchten, ob diese Bewegung erkennbar ist oder ob dieser Ton klassifiziert werden kann, ist Teachable Machine sehr einfach.
• Für diejenigen, die nicht zuerst in die Umgebung gehen und Trainingscode schreiben möchten, ist es ein niedriger Eingangsschwelle, um das Konzept des maschinellen Lernens zu erleben.

# 3 Geeignet für die Masse

• Geeignet für Lehrer, Studenten, kreative Entwickler, Produktprototypen und Anfänger im maschinellen Lernen.
• Es ist auch geeignet für Bildungs - und Wissenschaftsszenarien, in denen der Modell-Training - Prozess in kurzer Zeit demonstriert werden soll.
• Wenn Ihr Ziel darin besteht, die Modell-Training - Logik mit Hand zu verstehen, anstatt große, komplexe Systeme zu bauen, wäre es geeignet.

# 4. Häufige Fragen

Was ist eine Teachable Machine am besten? Am besten geeignet für das schnelle Training einfacher Bilder -, Geräusche - und Gesten-Kategorisierungsmodelle für den Unterricht und die Validierung von Prototypen.

Benötigt Teachable Machine Programmieren? In der Regel ist es nicht erforderlich, dass die Web-Schnittstelle die Erfassung, das Training und das Testen durchführen kann.

# # Für welche Projekte ist Teachable Machine geeignet?

Geeignet für Lehrpräsentationen, interaktive Kunst, kreative Programmierung und leichte Prototypenprojekte.

# # Was ist der Unterschied zwischen dem formellen Machine Learning Development Framework?

Es legt mehr Wert auf schnelle und visuelle Bedienung und eignet sich für Einsteiger und Demonstrationen, nicht für komplexe Trainingsprozesse auf Produktionsebene.

Wann sollte ich Teachable Machine nutzen? Wenn Sie zuerst beweisen möchten, dass eine identifizierte Idee funktioniert, anstatt sich von Anfang an in die komplexe Entwicklung zu investieren.