Projektkurs

Der Projektkurs (NRW) findet im Schuljahr 2018/2019 gemeinsam mit den Schulen Theodorianum, Paderborn, und Reismann Gymnasium, Paderborn, statt. Hierzu treffen sich 18 Schülerinnen und Schüler der 12. Klasse wöchentlich für 3 Unterrichtsstunden in Räumen der Universität. 

Der Kurs ist in 4 Module unterteilt, die verschiedene Aspekte von Data Science beleuchten.

Modul 1: Daten und Datendetektive

Das erste Modul umfasst zwei Bausteine, die sich nacheinander mit der Auswertung und dem Drehen und Wenden von Daten befassen. Die Schülerinnen und Schüler werden hier zu Datendetektiven, die bestimmten Phänomenen auf die Spur kommen, um zu lernen, dass Daten helfen, Fragen zu beantworten und Erkenntnisse zu gewinnen.

Lärmprofil am Liboriberg vom 04. auf den 05. August 2018

In Baustein 1 erhalten die Schülerinnen und Schüler mehrere große Datensätze mit Daten (Daten über Lärm, Zeitstempel) zu verschiedenen Orten in Paderborn. Die Schülerinnen und Schüler können so experimentell gesammelte Daten erforschen und versuchen, ill-structured Data mit Hilfe von Jupyter Notebooks zu strukturieren und zu analysieren, um Einblicke in die Entwicklung von Lärm an verschiedenen Orten in Paderborn zu bekommen.

In Baustein 2 wird auf Basis von Daten, die mit einem adaptierten Erhebungsinstrument der JIM-Studie an Paderborner Schulen selbst erhoben wurden, ein Datenprojekt durchgeführt. Die Schülerinnen und Schüler lernen sinnvolle Fragen zu stellen, die Daten anhand dieser Fragen auszuwerten und die Ergebnisse zu präsentieren. Dabei kommt die Software CODAP zum Einsatz.

Modul 2: Künstliche Intelligenz, maschinelles Lernen, datengetriebene Algorithmen

In Modul 2 steht das Thema Maschinelles Lernen im Mittelpunkt. Dafür werden die beiden Themenkomplexe Entscheidungsbäume und künstliche neuronale Netze behandelt.

Im Baustein 1 wird an das Thema Maschinelles Lernen mit Hilfe des Sweet Learning Computers herangeführt. Auf Basis von Materialien des EU-Projekts ProCivicStat werden die Schülerinnen und Schüler in das Thema Entscheidungsbäume über die Software CODAP eingeführt. Die Vertiefung zum Thema erfolgt dann per Hand und in Jupyter Notebooks. Unter anderem wird hier der aus Modul 1 bekannte JIM-Datensatz aufgegriffen.

Künstliches neuronales Netz in Playground Tensorflow

In Baustein 2 wird das Thema künstliche neuronale Netze aufgegriffen. Mit der Aktivität Brain in the Bag wird in das Thema eingeführt. Eine erste Vertiefung erfolgt mit einer dynamischen grafischen Oberfläche zu künstlichen neuronalen Netzen, in der schnell verschiedene Konfigurationen von neuronalen Netzen ausprobiert werden können. Eine weitere Vertiefung erfolgt dann auf Basis von Jupyter Notebooks, in denen eine Handschriftenerkennung für Ziffern programmiert und trainiert wird. Den Abschluss des Moduls bildet eine Reflexion über die Grenzen von maschinellem Lernen. Zudem wird das Thema „Hybride Systeme“ thematisiert.

Modul 3: Data Science Projekte

In diesem Modul werden in Kooperation mit der Firma RTB aus Bad Lippspringe reale Daten aus der Verkehrserfassung unter unterschiedlichen Fragestellungen gemeinsam ausgewertet. Die nötigen Grundlagen wurden in den beiden ersten Modulen gelegt und werden bei Bedarf erweitert.

Modul 4: Reflexion und Präsentation der Projekte

Im Nachgang von Modul 3 werden in Modul 4 die verschiedenen Ergebnisse der Projekte präsentiert. Die jeweiligen Erfahrungen für sich und in Hinsicht auf die Themen Data Science, Künstliche Intelligenz und Maschinelles Lernen werden reflektiert.