FIDP - Lernfeld 10c
LS 10.4: K-Mean Clustering
| 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 10.4: k-mean Clustering | 8 Unterrichtsstunden |
Handlungssituation
Ein Regionaler Stromanbieter will in seinem Versorgungsgebiet Ladesäulen für Elektroautos anbieten. Dabei sollen möglichst alle Kunden einen kurzen Weg zur angebotenen Ladesäule habe.
Die Abteilung Daten- und Prozessanalyse der ChangeIT GmbH wird damit beauftragt diese Standorte zu ermitteln.
Der Kunde stellt dazu einen Plan zur Verfügung, der die Wohnorte der Kunden, die ein Elektroauto besitzen enthält.
Handlungsergebnis
Eine Modell welches auf der Grundlage des K-Mean Clustering den besten Standort für Ladesäulen ermittelt.
Vorausgesetzte Fähigkeiten und Kenntnisse
| Handlungskompetenz(Fachkompetenz und Personale Kompetenz) | Inhalte | Sozialform/Methoden | |
|---|---|---|---|
| Informieren bzw. Analysieren | Datenexploration und Visualisierung | Die Schülerinnen und Schüler lesen die zur Verfügung gestellten Daten ein und stellen sie grafisch dar | Einzelarbeit Plenum |
| Planen / Entscheiden | Erstes Clustering anwenden | Die Schülerinnen und Schüler wählen einen geeigneten Punkt f. die Platzierung von Ladensäulen aus und ermitteln die zugehörigen Datenpunkte mittel der Euklidische Distanz | Einzelarbeit Plenum |
| Durchführen | Das k-mean Clustering zur Problemlösung anwenden | Die Schülerinnen und Schüler führen iterativ den Algorithmus des k-mean Clusterings aus un bewerten die Ergebnisse | Einzelarbeit |
| Kontrollieren / Bewerten | Bibliotheken f. das k-mean Clustering anwenden | Die Schülerinnen und Schülern verwenden die Bibliothek KMeans aus dem Paket sklearn.cluster und stellen die Ergebnisse der Bibliothek grafisch dar und bewerten diese | Plenum Einzelarbeit |
| Reflektieren | Transfer auf weitere Einsatzmöglichkeiten | Die Schülerinnen und Schüler erstellen eine Wortwolke zu weiteren Anwendungsfällen für das k-mean Clustering | Plenum |
Arbeitsmaterialien / Links
Schulische Entscheidungen
- Als Programmiersprache wird Python verwendet
- als Entwicklungsumgebung wird vs code und Jupyter Notebook verwendet
Leistungsnachweise
Ggf. Präsentationen zu weiteren Einsatzmöglichkeiten des k-mean Clusterings.