Bleib auf dem Laufenden und setze das Spiel auf die Wunschliste!

Über dieses Spiel

https://store.steampowered.com/app/1724140/Craftomation_101_Programming__Craft/

while True: learn() ist ein Knobel-/Simulationsspiel über mehr Knobeleien und Rätsel: maschinelles Lernen, neurale Netzwerbe, Big Data und KI. Aber vor allem geht es darum, dass du deine Katze verstehst.

In diesem Spiel bist du ein Programmierer, dem zufällig aufgefallen ist, dass seine Katze extrem gut darin ist, zu programmieren. Leider spricht sie nur die Menschensprache nicht. Jetzt muss der Programmierer (sprich: du!) alles über maschinelles Lernen in Erfahrung bringen und dann mit visueller Programmierung ein Cat-to-Human-Spracherkennungssystem bauen.

Dieses Spiel ist für ...
- Leute, die mehr darüber erfahren wollen, wie maschinelles Lernen und die dazugehörigen Technologien funktionieren
- Eltern und Lehrer, die nach einer interessanten, einfachen Möglichkeit suchen, Kinder an logisches Denken, Programmieren und Technologie heranzuführen
- Programmierer, die neue Konzepte lernen wollen, die sie für ihre eigene Arbeit nutzen können
- Diejenigen, die Spiele spielen und dabei kein schlechtes Gewissen haben wollen, dass sie ‚ihre Zeit verschwenden‘ (obwohl wir der Meinung sind, dass niemand das haben sollte, wenn es um Spiele geht!)
- Spieler, die gerne ihr Gehirn beschäftigen und auf unterschiedliche Art und Weise arbeiten, und dabei trotzdem Spaß haben
- Spieler, die ihre Problemlösefähigkeiten verbessern möchten und Genugtuung empfinden, wenn sie etwas Neues erreicht haben
- Leute, die schlaue Katzen mögen

Finde heraus, wie maschinelles Lernen im echten Leben funktioniert

Das Spiel basiert ansatzweise auf den Technologien für maschinelles Lernen im echten Leben: von albernen Expertensystemen bis hin zu mächtigen rückgekoppelten neuralen Netzen, die die Zukunft vorhersagen können. Aber keine Sorge, es ist wie ein richtiges Knobelspiel. Du brauchst keine Erfahrung mit dem Programmieren!

Trainiere dich selbst, damit du zum Zauberer der Datenwissenschaften wirst!

Du kannst die Dinge auf dem Bildschirm mit der Maus verschieben! Verbinde sie mit Linien (oh ja!)! Ausprobieren. Versagen. Optimieren. Erneut versuchen. Drücke dann auf „Veröffentlichen“, um zu sehen, wie coole Datenstücke reibungslos über deinen Bildschirm gleiten.

Stürze dich in den abenteuerlichen Lebensstil eines Spezialisten des maschinellen Lernens!

Es braucht Zeit, Erfahrung und Geld, um eine bahnbrechende Technologie zu entwickeln. Das bedeutet, dass du als Freiberufler arbeiten musst – und das bringt allerlei Aufregung mit sich. Erhalte E-Mails! Nimm Aufträge an! Sitze tagelang alleine in einem dunklen Raum, ohne ein Wort zu sagen! Sprich in Forum mit anderen Menschen! So ist das echte Leben von Datenwissenschaftlern!

Programmieren in der Wirklichkeit!

Unsere Aufgaben basieren auf tatsächlichen Problemen, die mit maschinellem Lernen gelöst werden können. Dazu gehört ein selbstfahrendes Auto (mit deiner Katze als Fahrer). Und wenn du deine Fähigkeiten wirklich auf die Probe stellen willst, dann kannst du CTO eines Startups werden: Es sind deine Skills und deine genialen Pläne, die du den wilden Gesetzen des Markts entgegenstellen musst! Verdiene ein Vermögen, zeige deinen Chefs den Mittelfinger und werde zum Tech-Guru … Oder verliere alles und krieche auf Knien zurück in die Personalabteilung: Immerhin war es einen Versuch wert, oder?

Optimiere deine Austattung, optimiere dein Leben!

Sobald du dir einen soliden Geldfluss gesichert hast, kannst du dir haufenweise coole Hardware kaufen, mit der du deine Leistung verbessern kannst. Doch es geht nicht nur um die Hardware! Kaufe dir ein neues Smartphone oder eine Geek-Figur! Oder schicke Outfits für deine Katze! Was soll‘s, du könntest dir sogar eine Aloe-Pflanze kaufen!

Interessante Tatsache: das ist es, was Profis des maschinellen Lernens tatsächlich tun. Jetzt kannst du zu ihnen gehören (minus dem Geld)! while True: learn() ist das beste Spiel, wenn es um das Leben von Datenwissenschaftlern geht, denn niemand sonst wäre strange genug, eins zu machen!