Lernfeld nur FI-Berufe | |
| Lernfeld | 10c | Lernfeld Titel | Werkzeuge des maschinellen Lernens einsetzen |
|---|---|
| Lernfeld Stunden | 77 |
| Kernkompetenz | Die Schülerinnen und Schüler verfügen über die Kompetenz, einen Kundenauftrag zur Prozess- und Datenanalyse vollständig durchzuführen und zu bewerten. |
| Erwartete Handlungskompetenz am Ende der Berufsausbildung in Anlehnung an ausgewählte Berufsbildpositionsbeschreibungen | Sie nutzen Programmiersprachen und elementare KI-Tools mit integrierten Auswertungsverfahren und Visualisierungswerkzeugen. Sie identifizieren und klassifizieren Daten aus heterogenen Datenquellen. Sie prüfen Daten auf Qualität, insbesondere auf Plausibilität, Quantität, Redundanz, Vollständigkeit und Validität. Sie wenden analytische und statistische Verfahren an. Sie nutzen Werkzeuge zur Mustererkennung und zur Modellgenerierung. Sie wenden mathematische Vorhersagemodelle an. Sie stellen technische Voraussetzungen zur Übernahme von Daten sicher und stellen Daten bereit. Sie leiten Kennzahlen ab und schlagen diese für ein Monitoringsystem vor. Sie reflektieren die eigene Vorgehensweise sowie die Aufgabendurchführung im Team. |
| Zielformulierung/Kompetenzen aus Handlungsfeld | 1 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. |
| 2 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. | |
| 3 Sie legen für die Aufgabenstellung maschinellen Lernens adäquate Werkzeuge und Systeme fest. | |
| 4 Sie bereiten das ausgewählte System technisch vor und implementieren die Schnittstellen zum Datenimport. | |
| 5 Die Schülerinnen und Schüler überwachen die technische Funktionsfähigkeit im Hinblick auf den Lernfortschritt des Systems. | |
| 6 6 Sie reflektieren die Wirksamkeit des angelernten Entscheidungssystems. Dabei diskutieren sie auch datenschutzrechtliche, moralische und wirtschaftliche Aspekte. | |
| Exemplarische Lernsituation zu Kompetenzen | Die Schülerinnen und Schüler arbeiten in einem Unternehmen, das Data-Mining und Maschinelles Lernen als Dienstleistung anbietet. Der Kunde, ein mittelständiges Unternehmen, möchte unter Anwendung maschinellen Lernens seine Dienstleistungsangebote verbessern. Dazu erhalten die Schülerinnen und Schüler den Auftrag den Kunden über die dazu existierenden Verfahren und Werkzeuge zu beraten und diese in einer Präsentation darzustellen. |
| Mögliche Handlungsprodukte | Mindmap: „Was ist maschinelles Lernen?“ Präsentation: Vorstellung von Verfahren und Werkzeuge des maschinellen Lernens Präsentation: Gegenüberstellung möglicher Verfahren: Regressions-Analyse, Klassifizierung, Clustering Beratungsgespräch mit dem Kunden |
| Inhaltliche Orientierung | Lernverfahren: Clusteranalyse: Gruppierung von Objekten aufgrund von Ähnlichkeiten Klassifikation: Elemente werden den bestehenden Klassen zugeordnet Assoziationsanalyse: Identifizierung von Zusammenhängen und Abhängigkeiten in den Daten Regressionsanalyse: Identifizierung von Beziehungen zwischen Variablen Ausreißerkennung: Identifizierung von ungewöhnlichen Datensätzen Korrelationsanalyse: Untersucht die Beziehung zwischen zwei Variablen Lernen: überwachtes Lernen (supervised learning) unüberwachtes Lernen (unsupervised learning bestärkendes Lernen (reinforcement learning) Werkzeuge: z.B. GNU R, ML.NET, PHP-ML, Scikit-learn Java-ML, Deeplearning4j Phasen: Vorbereitung der Daten Selection Preprocessing Transformation Data Mining Interpretation Evaluierung Heterogene Datenquellen: (für den Import in geeignete DBMS-Systeme) RDBMS noSQL – Varianten wie z.B. MongoDB und Apache Spark Dokumentenbasierte Datenbanken |