FIDP - Lernfeld 10c
LS 10.7: Neuronale Netze
| 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 10.7: Neuronale Netze | 12 Unterrichtsstunden |
Handlungssituation
Die Firma Home-IoT ist eine bekannter Hersteller von Smart Home Produkten. Es ist geplant für diese Firma eine smarte Lichtsteuerung "AI Light" zu entwickeln, die an die jeweiligen Anforderungen der Kunden angepasst werden kann.
Der Chefentwickler der Abteilung Daten- und Prozessanalyse der ChangeIT GmbH beauftragt Sie damit ein Neuronalen Netz zu entwickeln und dieses für eine exemplarische Anforderung zu trainieren.
Handlungsergebnis
- Ein trainiertes neuronales Netz für die Lichtsteuerung
Vorausgesetzte Fähigkeiten und Kenntnisse
| Handlungskompetenz(Fachkompetenz und Personale Kompetenz) | Inhalte | Sozialform/Methoden | |
|---|---|---|---|
| Informieren bzw. Analysieren | Analyse des Problems | Die Schülerinnen und Schüler analysieren das Problem und entwerfen eine Wahrheitstabelle für die Lichtsteuerung gemäß Kundenanforderung | - Einzelarbeit |
| Planen / Entscheiden | Layer Struktur von Neuronalen Netzen Aktivierungsfunktionen | Die Schülerinnen und Schüler entwerfen die Architektur eines neuronalen Netzes mit Input, Output und Hidden Layer und entscheiden sich für eine geeignete Aktivierungsfunktion | - Einzelarbeit - Plenum |
| Durchführen | Forward- und Backward Propagation Trainieren von neuronales Netz | Die Schülerinnen und Schülern entwerfen das neuronale Netz mit Hilfe von TensorFlow und trainieren dieses mit den ermittelten Daten | - Einzelarbeit - Plenum |
| Kontrollieren / Bewerten | Qualitative Aspekte (Metriken) von neuronalen Netzes | Anhand von Testdaten bewerten die Schülerinnen und Schüler die Qualität des Modells und entwickeln Ideen die Qualität der Vorhersagen zu verbessern. | - Einzelarbeit - Plenum |
| Reflektieren | Die Phasen zur Entwicklung eines neuronalen Netzes reflextieren | - Die Schülerinnen und Schüler beantworten Fragen zur Unterrichtseinheit - Die Schülerinnen und Schüler wählen einen eigenen Datensatz und versuchen eine mit dem Datensatz verknüpfte Fragestellung mit Hilfe eines neuronalen Netzes zu beantworten | - Einzelarbeit - Gruppenarbeit - Plenum |
Arbeitsmaterialien / Links
Schulische Entscheidungen
- Zur Implementierung und Testen des neuronalen Netzes wird die Programmiersprache Python mit der Bibliothek TensorFlow verwendet
- Als Entwicklungsumgebung wir VS Code mit Jupyter Notebook genutzt.
Leistungsnachweise
Die Präsentationen zu unterschiedlichen Datensätzen in der Reflexionsphase der Unterrichtseinheit können zur Bewertung genutzt werden.
Mögliche Verknüpfungen zu anderen Lernfeldern / Fächern
- Politik / Religion: Ethische und moralische Fragestellungen im Bezug zur Anwendung von neuronalen Netzen.