{"id":25828,"date":"2023-10-19T11:55:21","date_gmt":"2023-10-19T09:55:21","guid":{"rendered":"https:\/\/www.prodabi.de\/?page_id=25828"},"modified":"2024-04-11T08:31:03","modified_gmt":"2024-04-11T06:31:03","slug":"fortbildung-data-science-und-kuenstliche-intelligenz","status":"publish","type":"page","link":"https:\/\/www.prodabi.de\/en\/fortbildungen\/informationen\/fortbildung-data-science-und-kuenstliche-intelligenz\/","title":{"rendered":"Professional Development in Data Science and Artificial Intelligence"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Hier finden Sie Informationen zur mehrfach durchgef\u00fchrten Lehrkr\u00e4ftefortbildung<\/strong> \u201cData Science und k\u00fcnstliche Intelligenz\u201d.<\/p><\/div><\/div><\/div><\/div>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Zielgruppe und Voraussetzungen<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Das Angebot richtet sich an Lehrerinnen und Lehrer der Schulformen der Sek I, die bereits ein Lehramt f\u00fcr die Sek I erworben haben und in der Sek I das Fach Informatik unterrichten bzw. unterrichten wollen, und die in ihrem Unterricht im Wahlpflichtbereich der Klassen 8 bis 10 Data Science und Ideen des datengetriebenen maschinellen Lernens und der k\u00fcnstlichen Intelligenz aufgreifen m\u00f6chten.<\/span>\u00a0<\/span><\/p>

Es werden Kenntnisse \u00fcber Python und Jupyter Notebooks stark empfohlen. <\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Inhalte<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Vorbemerkung<\/span><\/b>\u00a0<\/span><\/p>

Die Materialien, die in der Fortbildung vorgestellt werden, sind mit dem geltenden Lehrplan kompatibel. Es werden praxiserprobte Unterrichtseinheiten und -materialien vorgestellt, die gemeinsam von erfahrenen Informatik-Lehrkr\u00e4ften aus den Bezirken Arnsberg, Detmold und M\u00fcnster und Mitarbeitenden aus dem ProDaBi-Projekt der Universit\u00e4t Paderborn entwickelt wurden.<\/span>\u00a0<\/span><\/p>

Inhalte<\/span><\/b>\u00a0<\/span><\/p>

Dieses Fortbildungsmodul hat zwei wesentliche Ziele. Zum einen werden teilnehmende Lehrkr\u00e4fte zu den Themen K\u00fcnstliche Intelligenz und maschinelles Lernen mit den Methoden der Entscheidungs-b\u00e4ume und der k\u00fcnstlichen neuronalen Netze fachlich weitergebildet. Daf\u00fcr wurden einf\u00fchrende inhaltliche Bl\u00f6cke so aufbereitet, dass Informatiklehrkr\u00e4fte ohne Vorkenntnisse auf dem Gebiet problemlos teilnehmen k\u00f6nnen. so aufbereiten<\/span>\u00a0<\/span><\/p>

Passen zur inhaltlichen Weiterbildung werden Unterrichtsmaterialien zu k\u00fcnstlicher Intelligenz vorgstellt, die jeweils die Einf\u00fchrung in eine Methode des maschinellen Lernens (Entscheidungsb\u00e4ume, K\u00fcnstliche Neuronale Netze) thematisieren. Neben handlungsorientierten Beispielen zur Verdeutlichung von Grundkonzepten des maschinellen Lernens werden Jupyter Notebooks mit Python dabei altersgerecht eingesetzt. Die Teilnehmenden der Fortbildung k\u00f6nnen selbst mit erprobten Unterrichtsmaterialien arbeiten.<\/span>\u00a0<\/span><\/p>

Unterrichtseinheit 1:<\/span> Zu Beginn lernen die Sch\u00fcler:innen anhand einer Blackbox Anwendung die Grobstruktur eines idealtypischen maschinellen Lernprozesses (\u00fcberwachtes Lernen) am 7 Anwendungsbeispiel von Bilderkennung kennen. Anschlie\u00dfend untersuchen die Sch\u00fcler:innen einen solchen Prozess genauer an einem weniger komplexen Datensatz \u00fcber K\u00e4fer. Mit Hilfe vorbereiteter Jupyter Notebooks, in denen u. A. mit interaktiven Widgets gearbeitet wird, explorieren die Sch\u00fcler:innen zun\u00e4chst diesen Datensatz und anschlie\u00dfend den Erstellungsprozess eines Entscheidungsbaums. Basierend auf Daten werden Entscheidungsb\u00e4ume zun\u00e4chst manuell und sp\u00e4ter automatisiert erstellt. Die Sch\u00fcler:innen interpretieren und beurteilen anschlie\u00dfend die von ihnen erstellten Entscheidungsb\u00e4ume.\u00a0<\/span>\u00a0<\/span><\/p>

Unterrichtseinheit 2:<\/span> Zu Beginn lernen die Sch\u00fcler:innen anhand einer Blackbox Anwendung die Grobstruktur eines idealtypischen maschinellen Lernprozesses (\u00fcberwachtes Lernen) am Anwendungsbeispiel von Bilderkennung kennen. Anschlie\u00dfend lernen die Sch\u00fcler:innen den Aufbau eines k\u00fcnstlichen neuronalen Netzes anhand einer unplugged Aktivit\u00e4t kennen, in der Sch\u00fcler:innen enaktiv an Bestandteile und Funktionsweisen neuronaler Netze herangef\u00fchrt werden. Anschlie\u00dfend werden die strukturellen Erkenntnisse \u00fcber neuronale Netze mit dem Eingangsbeispiel zur Bilderkennung verkn\u00fcpft, und die Vorstellungen \u00fcber Funktionsweisen werden vertieft. Anschlie\u00dfend wird mit Hilfe vorbereiteter Jupyter Notebooks ein neuronales Netz f\u00fcr einen weniger komplexen Datensatz \u00fcber K\u00e4fer betrachtet, an dem die Sch\u00fcler:innen Vorstellungen zum Lernprozess eines neuronalen Netzes aufbauen k\u00f6nnen.\u00a0<\/span>\u00a0<\/span><\/p>

\u00a0<\/span>Themen<\/span><\/b>\u00a0<\/span><\/p>