Vorbemerkung 

Die Materialien, die in der Fortbildung vorgestellt werden, sind mit dem geltenden Lehrplan kompatibel. Es werden praxiserprobte Unterrichtseinheiten und -materialien vorgestellt, die gemeinsam von erfahrenen Informatik-Lehrkräften aus den Bezirken Arnsberg, Detmold und Münster und Mitarbeitenden aus dem ProDaBi-Projekt der Universität Paderborn entwickelt wurden. 

Inhalte 

Dieses Fortbildungsmodul hat zwei wesentliche Ziele. Zum einen werden teilnehmende Lehrkräfte zu den Themen Künstliche Intelligenz und maschinelles Lernen mit den Methoden der Entscheidungs-bäume und der künstlichen neuronalen Netze fachlich weitergebildet. Dafür wurden einführende inhaltliche Blöcke so aufbereitet, dass Informatiklehrkräfte ohne Vorkenntnisse auf dem Gebiet problemlos teilnehmen können. so aufbereiten 

Passen zur inhaltlichen Weiterbildung werden Unterrichtsmaterialien zu künstlicher Intelligenz vorgstellt, die jeweils die Einführung in eine Methode des maschinellen Lernens (Entscheidungsbäume, Künstliche Neuronale Netze) thematisieren. Neben handlungsorientierten Beispielen zur Verdeutlichung von Grundkonzepten des maschinellen Lernens werden Jupyter Notebooks mit Python dabei altersgerecht eingesetzt. Die Teilnehmenden der Fortbildung können selbst mit erprobten Unterrichtsmaterialien arbeiten. 

Unterrichtseinheit 1: Zu Beginn lernen die Schüler:innen anhand einer Blackbox Anwendung die Grobstruktur eines idealtypischen maschinellen Lernprozesses (überwachtes Lernen) am 7 Anwendungsbeispiel von Bilderkennung kennen. Anschließend untersuchen die Schüler:innen einen solchen Prozess genauer an einem weniger komplexen Datensatz über Käfer. Mit Hilfe vorbereiteter Jupyter Notebooks, in denen u. A. mit interaktiven Widgets gearbeitet wird, explorieren die Schüler:innen zunächst diesen Datensatz und anschließend den Erstellungsprozess eines Entscheidungsbaums. Basierend auf Daten werden Entscheidungsbäume zunächst manuell und später automatisiert erstellt. Die Schüler:innen interpretieren und beurteilen anschließend die von ihnen erstellten Entscheidungsbäume.  

Unterrichtseinheit 2: Zu Beginn lernen die Schüler:innen anhand einer Blackbox Anwendung die Grobstruktur eines idealtypischen maschinellen Lernprozesses (überwachtes Lernen) am Anwendungsbeispiel von Bilderkennung kennen. Anschließend lernen die Schüler:innen den Aufbau eines künstlichen neuronalen Netzes anhand einer unplugged Aktivität kennen, in der Schüler:innen enaktiv an Bestandteile und Funktionsweisen neuronaler Netze herangeführt werden. Anschließend werden die strukturellen Erkenntnisse über neuronale Netze mit dem Eingangsbeispiel zur Bilderkennung verknüpft, und die Vorstellungen über Funktionsweisen werden vertieft. Anschließend wird mit Hilfe vorbereiteter Jupyter Notebooks ein neuronales Netz für einen weniger komplexen Datensatz über Käfer betrachtet, an dem die Schüler:innen Vorstellungen zum Lernprozess eines neuronalen Netzes aufbauen können.  

 Themen 

• Überblick KI, Maschinelles Lernen 
• Grundprinzipien des maschinellen Lernens 
• Fachlicher Block I: Maschinelles Lernen mit Entscheidungsbäumen 
• Enaktive Einführung in Entscheidungsbäume  
• altersgerechte Aufbreitung von Entscheidungsbäumen für Schüler:innen  
• Fachlicher Block I: Maschinelles Lernen mit künstlichen neuronalen Netzen 
• Enaktive Einführung in künstliche neuronale Netze 
• altersgerechte Aufbreitung von künstlichen neuronalen Netzen für Schüler:innen