2.3.1 Informationen aus Daten extrahieren und die Ergebnisse diskutieren (z.B. Punktwolken, Diagramme)
Unterrichtsmaterial zum Lernziel: Die Maturandinnen und Maturanden können Informationen aus Daten extrahieren und die Ergebnisse diskutieren (z.B. Punktwolken, Diagramme).
PPG-Signal aufnehmen und visualisieren
Die Schülerinnen und Schüler nehmen mithilfe eines Smartphones und einer Python-Skriptdatei ein photoplethysmografisches (PPG) Signal auf, extrahieren die Farbwerte aus dem Video und visualisieren diese in Excel, um die Herzfrequenz zu bestimmen.
Erdbeben weltweit — eine Live-Karte aus echten Daten
In diesem Material erstellen Schülerinnen und Schüler schrittweise eine interaktive Weltkarte von aktuellen Erdbeben mithilfe von Echtdaten einer USGS-API und Python. Dabei werden Daten gefiltert, GeoJSON-Strukturen analysiert und geographische Daten sowie Plattengrenzen mit matplotlib visualisiert.
Tabellen verknüpfen mit JOIN
Dieses Unterrichtsmaterial erklärt anhand von praxisnahen Beispielen und einer Spotify-Datenbank, wie relationale Datenbanktabellen mithilfe von SQL-Befehlen wie INNER JOIN und LEFT JOIN verknüpft werden. Es enthält detaillierte Erklärungen, Code-Beispiele sowie zahlreiche Übungsaufgaben zur Vertiefung.
Daten zusammenfassen mit Aggregatfunktionen in SQL
Dieses Unterrichtsmaterial führt in die Verwendung von SQL-Aggregatfunktionen wie COUNT, AVG, SUM, MIN und MAX ein. Anhand von Beispielen wird ausserdem die Gruppierung mit GROUP BY sowie das Filtern von Gruppen mit HAVING erklärt, ergänzt durch praktische Programmieraufgaben.
Agent-Based Modelling mit NetLogo
Dieses umfassende Unterrichtsmaterial führt in das Agentenbasierte Modellieren (ABM) mittels NetLogo ein. Anhand von Wolf-Schaf-Gras-Simulationen untersuchen Schülerinnen und Schüler ökologische Dynamiken, Populationsoszillationen sowie evolutionäre Prozesse wie Vererbung und natürliche Selektion.
PPG-Signalanalyse mit USB-Mikroskop und Python
In dieser Unterrichtseinheit wird ein alternatives Messsetup mit einem USB-Mikroskop zur Erfassung und Analyse von PPG-Signalen aufgebaut. Die Schülerinnen und Schüler verarbeiten den Live-Videostream in Python, filtern das Rohsignal und untersuchen verschiedene Körperstellen auf ihre Signalqualität.
Herzfrequenz-Analyse mit der Fourier-Transformation in Python
Dieses Unterrichtsmaterial zeigt, wie man mithilfe von Python und der Fast Fourier Transformation (FFT) ein PPG-Signal aus Video- oder Sensordaten analysiert, um die Herzfrequenz automatisch zu bestimmen. Die Schülerinnen und Schüler lernen das Konzept der Signalverarbeitung im Frequenzbereich kennen und vergleichen die automatischen Ergebnisse mit manuellen Zählungen.
Die Welt anhand von Daten betrachten
Dieses Unterrichtsmaterial führt in die Analyse und Visualisierung von globalen Entwicklungsdaten ein. Anhand von Tools wie Gapminder und Our World in Data lernen die Lernenden, komplexe gesellschaftliche Zusammenhänge zu verstehen und kritisch zu hinterfragen.
Lineares Wachstum und Simulation mit Tabellenkalkulation
Anhand einer Wolfspopulation wird lineares Wachstum modelliert, wobei Lernende eine Tabellenkalkulation zur Simulation nutzen und Bezüge zu linearen Funktionen herstellen. Das Material kombiniert mathematische Modellbildung mit praktischer Datenverarbeitung und Diagrammerstellung.
Exponentielles Wachstum in Tabellenkalkulationen
Dieses Unterrichtsmaterial führt anhand eines Wolfspopulations-Beispiels in die Modellierung von exponentiellem Wachstum ein. Die Lernenden setzen das Modell praktisch in einer Tabellenkalkulation um, arbeiten mit Formeln und absoluten Zellbezügen und analysieren die Diagramme.
Logistisches Wachstum mit Tabellenkalkulation
Dieses Unterrichtsmaterial führt anhand eines Beispiels mit einer Wolfspopulation in das logistische Wachstum ein. Die Lernenden modellieren das Wachstum mithilfe einer Tabellenkalkulation, indem sie eine Formel für den Restkapazitätsfaktor entwickeln und die Wachstumskurve analysieren.
Modellierung und Trendlinien mit Excel am Beispiel des Wolfsbestands
Dieses Unterrichtsmaterial zeigt anhand realer Daten zur Wolfspopulation in der Schweiz, wie Daten in Excel importiert, bereinigt und grafisch dargestellt werden. Zudem wird erklärt, wie verschiedene Regressions- und Trendlinien (linear, exponentiell, logarithmisch, polynomial) sowie das Bestimmtheitsmass R² zur Datenanalyse eingesetzt werden.
Reale Daten mit logistischem Modell vergleichen und R² berechnen
Dieses Unterrichtsmaterial zeigt Schritt für Schritt, wie reale Populationsdaten (am Beispiel von Wölfen) in eine Tabellenkalkulation übertragen, mit einem logistischen Modell grafisch verglichen und durch die Berechnung des Bestimmtheitsmasses R² evaluiert werden.
Auftrag Populationsentwicklungen
Ein konkreter Arbeitsauftrag für Schülerinnen und Schüler, bei dem populationsbiologische Wachstumsmodelle mithilfe von Tabellenkalkulationen implementiert, mit realen Daten aus einer Datenbank verglichen und in einem strukturierten Textdokument reflektiert werden.
Beschränktes Wachstum in Tabellenkalkulationen
Dieses Unterrichtsmaterial führt anhand eines konkreten Beispiels (Wölfe auf einer Insel) in das mathematische und modellierende Konzept des beschränkten Wachstums ein. Lernende passen ein bestehendes Tabellenblatt an, um die Restkapazität und das veränderte Bevölkerungswachstum zu simulieren und auszuwerten.
Daten auswerten: Lernziele und Computer-Prüfung
Dieses Unterrichtsmaterial beschreibt die Lernziele und die summative Computer-Prüfung zum Thema 'Daten auswerten'. Es umfasst Kompetenzen zur Nutzung von Tabellenkalkulationen wie Excel, zum Erstellen von Diagrammen sowie zur Anwendung von Formeln und Zellbezügen.
Unterrichtsreihe Finanzdatenanalyse und KI-gestützte Finanzmarktprognosen
Diese Unterrichtsreihe verbindet Wirtschaft, Informatik und Mathematik in drei differenzierten Leistungsniveaus. Im ersten Teil werden Grundlagen der Finanzdatenanalyse und Visualisierung erarbeitet, während der zweite Teil eine Projektarbeit zu KI-gestützten Finanzmarktprognosen beinhaltet.
Standardabweichung berechnen mit C, Gnuplot und Zsh
Ein praxisorientiertes Programmierprojekt für das Gymnasium zur Berechnung der Standardabweichung. Es verwendet die Programmiersprache C, Shell-Skripte und Gnuplot zur Visualisierung.
Maschinelles Lernen: Punkt- und Linienklassifikatoren
In dieser Lernumgebung setzen sich Schülerinnen und Schüler mit dem Klassifizieren von verschiedenen Daten anhand realer Datensätze auseinander. Das Material führt in grundlegende Konzepte des maschinellen Lernens ein.
QueueTraffic: Grundbegriffe der Warteschlangentheorie
Die Software QueueTraffic ermöglicht es Schülerinnen und Schülern, mithilfe einer visuellen Simulation von Strassenkreuzungen intuitiv die Grundbegriffe der Warteschlangentheorie zu erarbeiten. Durch das Verändern von Parametern können Auswirkungen auf Staubildung, Durchsatz und Auslastung direkt beobachtet und statistisch analysiert werden.
Vortrag: OLAP (Online Analytical Processing) – eine Einführung
Dieses Material bietet eine Einführung in die OLAP-Technologie (Online Analytical Processing) zur Datenanalyse in Unternehmen. Es enthält Folien, Texte, Übungsaufgaben und Erklärungen zu Kennzahlen und Dimensionen.
Die Suche nach wertvollen Informationen im Daten-Nirvana
Diese Unterrichtseinheit führt Schülerinnen und Schüler in die theoretischen Grundlagen des Data Minings ein. Mithilfe realer Datensätze und der Open-Source-Software Weka lernen sie, aus grossen Datenmengen wertvolle Informationen zu gewinnen und diese zu analysieren.
Datenvisualisierung mit Excel
Dieses Unterrichtsmaterial führt in die Unterscheidung von quantitativen und qualitativen Daten ein und erklärt anhand von Beispielen, wie verschiedene Diagrammtypen wie Kreis-, Linien-, Säulen- und Balkendiagramme in Excel erstellt und für Analysen eingesetzt werden.
Arbeitsblatt Diagramme und Datenvisualisierung
Dieses Unterrichtsmaterial erklärt verschiedene Diagrammtypen wie Säulen-, Balken-, Kreis-, Linien- und Punktdiagramme sowie deren korrekte Anwendung. Anhand praktischer Aufgaben und Datensätze aus Excel lernen Schülerinnen und Schüler, Diagramme zu erstellen, zu beschriften und kritisch zu analysieren.
Demografische Bilanz der Schweiz: Live-Datenabfrage und Analyse mit Python
Das Material demonstriert, wie demografische Daten des Bundesamtes für Statistik (BFS) mittels Python, Pandas und Matplotlib live über eine API abgerufen und analysiert werden. Es zeigt anhand von Zeitreihen und Bevölkerungsszenarien die Entwicklung der Schweizer Bevölkerung.
Lernparcours Big Data
In diesem Lernparcours erarbeiten sich Schülerinnen und Schüler in Gruppen die Themengebiete Big Data, Datenanalyse und deren gesellschaftliche Auswirkungen. Sie lesen und diskutieren verschiedene Kapitel über Datenquellen, Analysemethoden, Anwendungsfelder sowie ethische Bewertungen und erstellen dazu Präsentationen und Zusammenfassungen.
Big-Data Start-Up Wettbewerb
In diesem projektorientierten Unterrichtsmaterial schlüpfen Schülerinnen und Schüler in Teams die Rolle von Start-Up-Gründern, um eine Geschäftsidee im Bereich Big Data zu entwickeln und vor einer Jury zu präsentieren. Das Material führt spielerisch in das Thema Big Data ein und verbindet Gruppenarbeit mit der Präsentation von Konzepten.
Big Data Start-Up Projekt
Die Schülerinnen und Schüler entwickeln in Gruppen eine Geschäftsidee basierend auf vorgegebenen Datensätzen und erstellen dazu einen Firmennamen, ein Logo sowie eine Präsentation als Slidecast. Dabei werden auch ethische Fragen und Kriterien wie Menschenrechte im Kontext von Daten diskutiert.
Datenaufbereitung für KI-Modelle
Das Unterrichtsmaterial führt in die Grundlagen der Datenaufbereitung für KI-Modelle ein und behandelt Themen wie Datenbereinigung, Vereinheitlichung und Labeling anhand eines praktischen Beispiels zur Spam-Erkennung. Die Lernenden untersuchen eigene Datensätze und reflektieren die Herausforderungen bei der Datenerfassung sowie die Funktionsweise von Sprachmodellen.
Modelltraining für Spamfilter mit Excel
Dieses Unterrichtsmaterial führt in den Trainingsprozess von Machine-Learning-Modellen am Beispiel einer Spam-Erkennung ein. Dabei wird bewusst auf komplexe Programmierbibliotheken verzichtet und stattdessen Microsoft Excel verwendet, um die zugrundeliegenden Daten- und Trainingsprinzipien nachvollziehbar zu vermitteln.
Big Data: Die 5 Vs und Datenmengen-Schätzung
Dieses Unterrichtsmaterial führt in das Konzept von Big Data anhand der 5 Vs ein und vertieft das Verständnis durch praxisnahe Schätzaufgaben zu Datenmengen von Texten, Audio, Bildern und Videos.
Lernziele zu Künstlicher Intelligenz, Big Data und Datenschutz
Dieses Dokument listet zentrale Lernziele zu den Themen Künstliche Intelligenz, Big Data, Datenschutz (DSGVO) und Urheberrecht (Creative Commons) auf. Es dient als Übersicht für Schülerinnen und Schüler, um Grundbegriffe und gesellschaftliche Auswirkungen einzuordnen.
Distanzen messen mit dem micro:bit
In diesem praktischen Projekt programmieren die Lernenden einen Schrittzähler auf einem micro:bit, kalibrieren ihn auf ihre persönliche Schrittlänge und messen damit die Länge eines Schulhauskorridors. Anschliessend werten sie die gesammelten Messdaten in einem Tabellenkalkulationsprogramm aus.
Puls messen mit dem micro:bit und Pulssensor
In diesem Unterrichtsmaterial lernen Schülerinnen und Schüler, wie man einen physischen Pulssensor verkabelt und mithilfe von Python auf einem micro:bit auswertet. Das Material enthält eine detaillierte Anleitung zur Hardware-Inbetriebnahme sowie eine praktische Messaufgabe inklusive Daten-Plotting.
Herzrhythmus-Analyse mit dem micro:bit
Die Schülerinnen und Schüler zeichnen ihren Herzrhythmus mit Hilfe eines micro:bit auf eine Protokolldatei auf und analysieren die Daten anschliessend mithilfe von Diagrammen. Dabei wird die Regelmässigkeit des Pulses sowie die Abhängigkeit der Herzfrequenz von der Atmung untersucht.
Unterrichtsmaterial zum Thema Messen und physische Computing mit dem micro:bit
Dieses Materialpaket für Lehrpersonen enthält Präsentationen und Arbeitsblätter für den Einstieg in das Thema Messen. Es werden digitale Sensoren, Temperaturmessung und Herzfrequenzmessung behandelt, unter anderem mittels des micro:bit.
Simulation von Würfeln mit Python
In diesem Unterrichtsmaterial schreiben die Lernenden Python-Funktionen, um Würfe zu simulieren, absolute und relative Häufigkeiten zu berechnen sowie die Standardabweichung mithilfe von Numpy zu bestimmen.
Visualisierung mit matplotlib in Python
Dieses Unterrichtsmaterial führt in die Erstellung von Diagrammen und Datenvisualisierungen in Python mit der Bibliothek matplotlib ein. Anhand konkreter Code-Beispiele und einer praktischen Übung lernen die Schülerinnen und Schüler, Datenreihen darzustellen, zu beschriften und anzupassen.
Repetition – Münzwurf
Dieses Unterrichtsmaterial enthält Programmieraufgaben in Python zur Simulation von Münzwürfen. Die Lernenden schreiben Funktionen zur Auswertung von Daten und visualisieren die Ergebnisse mit matplotlib.
Validierung und Visualisierung von Simulationen mit Matplotlib
Dieses Unterrichtsmaterial leitet Lernende dazu an, eine bestehende Simulation von Infektionskrankheiten zu validieren und mithilfe der Bibliothek matplotlib zu visualisieren. Die Schülerinnen und Schüler erweitern ihr Programm um Diagramme, passen Simulationsparameter an und verfeinern das Modell durch Zusatzaufgaben.
Globale Ereignisse und Datenvisualisierung mit Thymio und Aseba
Das Unterrichtsmaterial erklärt anhand des Thymio-Roboters und der Software Aseba, wie globale Ereignisse definiert, versendet und zur grafischen Darstellung von Sensordaten genutzt werden. Es zeigt Schritt für Schritt, wie Beschleunigungsmesswerte aufgezeichnet und visualisiert werden können.
Datenaufbereitung für KI und Spamfilter
Dieses Unterrichtsmaterial führt Schülerinnen und Schüler spielerisch und praxisnah in die Datensammlung und Datenaufbereitung für KI-Modelle am Beispiel eines Spamfilters ein. Es werden Aspekte wie Labeling, Trainingsdatenmengen von Sprachmodellen und die Klassifikation von Grenzfällen wie Graymails behandelt.
Grundbegriffe der Künstlichen Intelligenz und einfache Klassifikation
Das Unterrichtsmaterial vermittelt zentrale Grundbegriffe der künstlichen Intelligenz und des maschinellen Lernens anhand konkreter Beispiele wie Spamfiltern. Es enthält Definitionen, Anwendungsbeispiele sowie Übungsaufgaben inklusive Musterlösungen zu Themen wie Bias und Klassifikation.
Big Data: Die 5 V's und Datenmengen
Dieses Unterrichtsmaterial behandelt die Merkmale von Big Data anhand der fünf V's sowie die Grössen und Einflussfaktoren verschiedener Datenarten (Text, Audio, Bild, Video). Es enthält konkrete Aufgaben mit Musterlösungen zur Schätzung des eigenen täglichen Datenkonsums und globaler Datenmengen.
Validierung von Simulationen
Der Text beschreibt den Prozess der Validierung von Simulationen, wobei ein besonderer Schwerpunkt auf der Visualisierung von Daten zur Beurteilung des Modellverhaltens und dem kritischen Abgleich der Ergebnisse mit der Realität liegt.
Vortragsreihe und Diskussion zu Big Data und Künstlicher Intelligenz
Die Schülerinnen und Schüler setzen sich in Gruppen anhand von Buchkapiteln und Zusatzquellen kritisch mit den gesellschaftlichen Auswirkungen von Big Data und Künstlicher Intelligenz auseinander. Sie diskutieren ethische Fragestellungen in Bereichen wie Justiz, Medizin oder ChatGPT und präsentieren ihre Ergebnisse in Form eines strukturierten Vortrags.
Daten Verwalten
Dieses E-Tutorial enthält zwei praxisnahe Projektaufgaben zur Datenanalyse. Es wird mit Erdbebendaten in Excel sowie mit Nährwert- und Verkehrsdaten in SQLite gearbeitet.
Funktionsgraphen in Excel
Dieses Arbeitsblatt führt anhand von mathematischen Funktionen in die Erstellung von Wertetabellen und Funktionsgraphen in Excel ein. Lernende setzen dabei quadratische Funktionen variabel um und visualisieren diese.
Galton-Brett Simulation in Excel
Das Unterrichtsmaterial leitet dazu an, ein Galton-Brett zur Veranschaulichung der Binomialverteilung als Simulation in Excel nachzubauen. Dabei werden mithilfe von Präsentationen und optionalen Makros Animationen und wiederholbare Simulationsschritte implementiert.
Funktionsgraphen und Wertetabellen in Excel
Dieses Unterrichtsmaterial zeigt anhand einer mathematischen Funktion, wie man in Excel Wertetabellen erstellt und Funktionsgraphen generiert. Anschliessend wird die Tabelle so erweitert, dass beliebige quadratische Funktionen dargestellt werden können.
Galton-Brett Simulation in Excel
Dieses Unterrichtsmaterial zeigt, wie mithilfe von Excel und Makros ein Galton-Brett zur Veranschaulichung der Binomialverteilung erstellt werden kann. Anhand einer Präsentation und ergänzenden Videos wird eine Simulation schrittweise nachgebaut.
Big Data – Einführung
Das Material bietet eine kompakte Einführung in das Thema Big Data und erklärt wichtige Fachbegriffe wie Data Mining, Machine Learning, Datenvisualisierung und Datenaufbereitung. Es vermittelt grundlegende Konzepte der automatischen Informationsverarbeitung und Mustererkennung auf grossen Datenmengen.
Problemdefinition für ein KI-Projekt: Spamfilter
Dieses Material erklärt am Beispiel eines Spamfilters, wie wichtig eine klare und spezifische Problemdefinition für Data-Science- und KI-Projekte ist. Es definiert konkrete Ziele, Eingrenzungen und Erfolgskriterien für die Entwicklung eines einfachen Textklassifikators.
Begriffslexikon zu Data Science und Künstlicher Intelligenz
Das Material bietet eine übersichtliche Zusammenstellung zentraler Begriffe rund um Data Science, Big Data, Data Mining, Machine Learning und Datenaufbereitung. Es erläutert diese Fachbegriffe kurz und nennt anschauliche Anwendungsbeispiele wie Objekterkennung oder Warenkorbanalysen.
Do Not Track – Interaktive Videos
Die interaktive Videoserie 'Do not Track' beleuchtet in sieben Episoden das Geschäft mit persönlichen Daten im Internet. Die Lernenden werden aktiv einbezogen, um zu erfahren, wie Datensammlung und personalisierte Werbung im Alltag funktionieren.
Protokolle transferieren mit micro:bit und Thonny
Eine kurze Anleitung und Aufgabe zum Übertragen von Messdaten vom micro:bit auf den PC mittels der Entwicklungsumgebung Thonny. Die erhobenen Daten werden anschliessend grafisch ausgewertet.
Messwerte plotten mit Thonny
Eine kurze Anleitung zur Nutzung des integrierten Plotters in der Python-Entwicklungsumgebung Thonny, um ausgegebene Messwerte graphisch in Echtzeit darzustellen. Das Material zeigt praxisnah, wie das Plotterfenster aktiviert und für die Visualisierung eingesetzt wird.
Pulsschlag entdecken
Dieses Unterrichtsmaterial behandelt die algorithmische Erkennung von Pulsschlägen anhand von Messwertdiagrammen. Die Lernenden erarbeiten sich Methoden zur Bestimmung einer Baseline, um Signale von Hintergrundrauschen zu unterscheiden.
Grundsätzliche Überlegungen zu Stichproben und dem Gesetz der grossen Zahlen
Der Text behandelt grundlegende Konzepte der Datenanalyse wie Stichproben, verzerrte Daten und das Gesetz der grossen Zahlen anhand eines anschaulichen Beispiels. Es wird erklärt, warum zufällige und ausreichend grosse Stichproben für verlässliche Hochrechnungen unerlässlich sind.
Konzept Visualisierung
Der Text erklärt das allgemeine und spezielle Konzept der Visualisierung zur grafischen Darstellung abstrakter Daten und Zusammenhänge. Er beleuchtet den Prozess des Weglassens von Details, gestalterische Entscheidungen und die damit verbundene Interpretation von Daten.
Zufallszahlen und Koordinatensystem in Excel
Das Material ist eine kurze Aufgabenstellung, bei der Lernende Zufallszahlen in einem bestimmten Bereich mittels Tabellenkalkulation erzeugen und diese in einem Koordinatensystem grafisch darstellen sollen.
Zufallszahlen und Diagramme in Excel
Das Material ist eine kurze Aufgabenstellung, in der Schülerinnen und Schüler lernen, Zufallszahlen in einem bestimmten Bereich in Excel zu generieren und diese in einem Koordinatensystem darzustellen. Es fokussiert auf die praktische Anwendung von Tabellenkalkulationsfunktionen.
Big Data: Einführung
Der Text bietet eine kurze Einführung in das Thema Big Data und erklärt grundlegende Begriffe wie Big Data Analysis, Data Mining, Machine Learning, Datenvisualisierung und Datenaufbereitung. Es handelt sich um einen kompakten Theorietext mit erklärendem Charakter.
Spamfilter-Modell mit Trainings- und Testdaten
Eine Excel-Datei mit 10'000 Trainings- und 3'000 Testdaten, die als Datensatz für ein Spamfilter-Modell im Unterricht verwendet werden kann. Das Material eignet sich zur praktischen Untersuchung von automatischen Informationsverarbeitungssystemen oder Datenanalyse.
Datenbanken von Wildtier-Populationen
Eine Übersicht verschiedener verifizierter Datenbanken mit Excel- und CSV-Download-Funktionen für Wildtierpopulationsdaten, die sich für studentische Projekte und Analysen eignen. Der Artikel listet globale, europäische sowie Schweizer Datenquellen auf und gibt praktische Download-Empfehlungen.
Node-RED Dashboard Tutorial
Ein kurzes Tutorial zur Erstellung eines einfachen Dashboards mit Node-RED zur Visualisierung von Daten. Es wird auf eine externe Anleitung verwiesen, um Daten in Charts darzustellen.