FIDP - Lernfeld 10c
LS 10.3: ML auf der Grundlage von Entscheidungsbäumen modellieren
| Lernfeld | Bildungsgang | Ausbildungsjahr |
|---|---|---|
| LF 10c:\(\newline\)Werkzeuge des maschinellen Lernens einsetzen | Fachinformatiker für Daten- und Prozessanalyse (FIDP) | 3 |
Kompetenzformulierung
"Die Schülerinnen und Schüler verfügen über die Kompetenz, maschinelles Lernen zur Problemlösung anzuwenden und den Lernfortschritt des Entscheidungssystems zu begleiten".
Die Schülerinnen und Schüler stellen Einsatzmöglichkeiten des maschinellen Lernens dar. Auf dieser Basis entscheiden sie über die betriebswirtschaftlich sinnvolle Eignung maschinellen Lernens bezüglich kundenspezifischer Problemstellungen.
Sie führen die benötigten Daten zusammen. Dazu analysieren sie freie und kommerzielle Datenquellen und wählen diese nach Eignung zur Lösung der Aufgabe durch maschinelles Lernen aus. Die Schülerinnen und Schüler berücksichtigen datenschutzrechtliche, moralische und wirtschaftliche Aspekte.
Sie legen für die Aufgabenstellung maschinellen Lernens adäquate Werkzeuge und Systeme fest.
Sie bereiten das ausgewählte System technisch vor und implementieren die Schnittstellen zum Datenimport.
Die Schülerinnen und Schüler überwachen die technische Funktionsfähigkeit im Hinblick auf den Lernfortschritt des Systems.
Sie reflektieren die Wirksamkeit des angelernten Entscheidungssystems. Dabei diskutieren sie auch datenschutzrechtliche, moralische und wirtschaftliche Aspekte.
| Curricularer Bezug | Titel der Lernsituation (Kurzfassung) | Geplanter Zeitrichtwert |
|---|---|---|
| Rahmenlehrplan für Fachinformatiker für Daten- und Prozessanalyse in der Fassung vom 13.12.2019, S. 27 | LS 10.3: ML auf der Grundlage von Entscheidungsbäumen modellieren | 10 Unterrichtsstunden |
Handlungssituation
Ein großer Landmaschinenhersteller wünscht sich eine größere Kundenbindung und beauftragt die ChangeIT GmbH mit der Entwicklung einer App, die Landwirten Empfehlungen gibt, wann der Weizen zu ernten ist. Die App misst dazu über einen via Bluetooth gekoppelten Feuchte-Sensor die Bodenfeuchte im Feld und kann über eine API Abfrage die Regenwahrscheinlichkeit bestimmen.
Erste Erfahrungswerte liegen bereits vor und werden vom Landmaschinenhersteller der ChangeIT in Form einer CSV Datei zur Verfügung gestellt.
Als Mitglied der Abteilung Daten- und Prozessanalyse erhalten Sie die Aufgabe ein geeignetes Vorhersagemodell zu entwickeln.
Handlungsergebnis
Ein Modell auf der Grundlage eines Entscheidungsbaumes, um für eine App Bauern die Empfehlung zu geben, ob Weizen zu ernten ist oder doch besser noch gewartet werden soll!
Vorausgesetzte Fähigkeiten und Kenntnisse
| Handlungskompetenz(Fachkompetenz und Personale Kompetenz) | Inhalte | Sozialform/Methoden | |
|---|---|---|---|
| Informieren bzw. Analysieren | Daten Visualisieren Muster in Datenstrukturen erkennen Entropie einer Datenmenge bestimmen | Die Schülerinnen und Schüler stellen den Datensatz grafisch dar Sie versuchen Muster für Entwicklung eines Modells zu erkennen | Plenum Einzelarbeit |
| Planen / Entscheiden | Auf der Grundlage der Entropie Teildatenmengen einteilen | Die Schülerinnen und Schülern entwickeln eine Funktion zur Bestimmung der Entropie und wenden die an einer Teildatenmenge an | Einzelarbeit Plenum |
| Durchführen | Einen Entscheidungsbaum entwickeln | Unter Verwendung der Python Bibliothek sklearn implementieren die Schülerinnen und Schüler ein Vorhersagemodell | Einzelarbeit |
| Kontrollieren / Bewerten | Bewerten eines Vorhersagemodells | Die Schülerinnen und Schüler bewerten das erzeugte Vorhersagemodell | Einzelarbeit Plenum |
| Reflektieren | Selbständige Problemlösung | Die Schülerinnen und Schüler wählen einen weiteren geeigneten Datensatz aus und entwickeln für diesen ein Vorhersagemodell und stellen das entwickelte Modell vor | Gruppenarbeit Plenum |
Arbeitsmaterialien / Links
Schulische Entscheidungen
- Die Programmiersprache Python wird verwendet
- Als Entwicklungsumgebung wird VS Code / Jupyter Notebook benutzt
Leistungsnachweise
Die Präsentation der einzelnen Vorhersagemodelle kann zur Leistungsbewertung herangezogen werden!