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).
Das Monty-Hall-Problem
Das Material stellt das berühmte Ziegenproblem anschaulich vor, erklärt die mathematische Logik dahinter mit Tabellen und intuitiven Beispielen und fordert die Lernenden auf, die Strategie durch eine Computersimulation in Python zu überprüfen.
Künstliche Intelligenz und maschinelles Lernen - Unterrichtsmaterial
Umfassendes Unterrichtsmaterial zur künstlichen Intelligenz, das von grundlegenden Konzepten wie Entscheidungsbäumen und neuronalen Netzen bis hin zu praktischen Python-Programmierungen mit Jupyter-Notebooks reicht. Es beleuchtet zudem ethische Aspekte, Data-Science-Projekte und die Geschichte der KI.
Erdbeben weltweit — eine Live-Karte aus echten Daten
In diesem interaktiven Programmierprojekt erstellen Schülerinnen und Schüler eine weltweite Erdbebenkarte mit echtem Datenbezug. Dabei lernen sie, GeoJSON-Daten via API abzufragen, mit Python zu filtern und mithilfe von matplotlib zu visualisieren.
Agent-Based Modelling mit NetLogo
Dieses umfassende und interaktive Unterrichtsmaterial führt in das Agent-Based Modelling (ABM) anhand von NetLogo-Simulationen ein. Die Lernenden untersuchen Räuber-Beute-Systeme (Wolf-Schaf-Gras) sowie evolutionäre Prozesse mit Vererbung und natürlicher Selektion anhand strukturierter Aufgaben.
Weltbank-Indikatoren Projekt: Daten mit SQL in Python
In diesem umfassenden Programmierprojekt verbinden die Lernenden eine SQLite-Weltbankdatenbank mit Python, führen komplexe SQL-Abfragen durch und entwickeln eine eigene interaktive Konsolenanwendung oder Präsentation. Das Material enthält anschaulichen Beispielcode, wertvolle Projektaufgaben sowie klare Bewertungskriterien inklusive Code-Review.
Präzisere PPG-Messung mit dem USB-Mikroskop
Dieses Unterrichtsmaterial zeigt, wie man mithilfe eines USB-Mikroskops und Python PPG-Signale (Photoplethysmographie) zur Herzfrequenzmessung erfasst. Die Schülerinnen und Schüler vergleichen verschiedene Körperstellen, analysieren die Signale mit Filtern und FFT und vertiefen ihr Wissen durch praktische Experimente.
PPG-Signal aufnehmen und visualisieren mit Smartphone und Python
In diesem praxisorientierten Projekt nehmen Schülerinnen und Schüler ein eigenes Photoplethysmogramm (PPG) mit dem Smartphone auf, extrahieren die Farbwerte mithilfe eines Python-Skripts und visualisieren sowie analysieren die Herzfrequenz in Microsoft Excel.
Training eines Spam-Erkennungsmodells mit Microsoft Excel
Dieses Unterrichtsmaterial führt Lernende anhand eines konkreten Beispiels in das Training von Modellen ein. Ohne komplexe Programmierung wird ein bestehendes Spam-Erkennungsmodell mit Excel-Tabellen und einem synthetischen Datensatz trainiert, um die Grundlagen des maschinellen Lernens zu verstehen.
Auffrischung und Erweiterung der Python-Kenntnisse
Dieses Kapitel dient der Repetition und Vertiefung grundlegender Python-Kenntnisse sowie der Einführung in die objektorientierte Programmierung. Anhand praktischer Aufgaben werden Daten aus Textdateien eingelesen, analysiert, aufbereitet und dargestellt.
Höhendaten analysieren und visualisieren mit Python
Dieses Unterrichtsmaterial zeigt schrittweise, wie Höhendaten von Swisstopo mit Python eingelesen, aufbereitet, analysiert und grafisch als Bilder oder Reliefs dargestellt werden. Die Lernenden frischen ihre Programmierfähigkeiten auf und lernen den Umgang mit Dateizugriffen sowie Visualisierungstools.
Transformation und Aufbereitung von Geodaten
Dieses Unterrichtsmaterial behandelt die Aufbereitung und Transformation von räumlichen Höhendaten. Die Lernenden bestimmen Minima und Maxima von Koordinaten, berechnen Skalierungsfaktoren und Verschiebevektoren und setzen die Daten in eine zweidimensionale Liste um.
3D-Datenvisualisierung mit Python und Matplotlib
Dieses Unterrichtsmaterial führt in die Visualisierung von Höhendaten in 3D mit Python und der Bibliothek Matplotlib ein. Die Lernenden verwenden Code-Beispiele, untersuchen Scatter- und Trisurf-Plots und konvertieren Datenstrukturen für die Darstellung.
Web Scraping mit Python und Regulären Ausdrücken
Das Unterrichtsmaterial führt in das Thema Web Scraping ein. Anhand praktischer Beispiele wie der Aare-Temperatur lernen die Lernenden, wie man Webseiten mit Python herunterlädt, Daten mit Regulären Ausdrücken extrahiert und die rechtlichen Rahmenbedingungen sowie den Unterschied zu APIs versteht.
Modellerweiterung des Random Surfer Modells (PageRank)
Das Unterrichtsmaterial behandelt die Modellerweiterung des Random Surfer Modells im Kontext des PageRank-Algorithmus. Die Lernenden analysieren Probleme wie Link-Sackgassen in vereinfachten Modellen und erweitern diese um Gelegenheitsjumper, wobei wahlweise Tabellenkalkulationen oder Python eingesetzt werden können.
StammbaumXML: Verarbeitung von Daten eines Stammbaumes
Das Unterrichtsmaterial behandelt die automatisierte Verarbeitung von Stammbaumdaten mithilfe von XML-Dokumenten und Python. Die Lernenden analysieren Datenstrukturen, entwickeln Programmierfunktionen zur Datenabfrage und -auswertung und untersuchen Suchalgorithmen wie die Breitensuche anhand konkreter Codebeispiele.
XML-Datenverarbeitung mit Python
Dieses Unterrichtsmaterial bietet praktische Programmieraufgaben in Python zur Verarbeitung von XML-Daten anhand einer Musiksammlung und einer SVG-Datei. Die Lernenden lernen, Datenstrukturen zu analysieren und mittels Programmiercode spezifische Informationen zu extrahieren und zu aggregieren.
Animal Leg Chart: CSV-Daten visualisieren mit Python
In diesem Material wird anhand eines Tiersatzes als CSV-Datei gezeigt, wie Daten in Python eingelesen, verarbeitet und grafisch als Diagramm dargestellt werden. Die Lernenden schreiben Funktionen, um Datensätze zu filtern und Farben basierend auf Attributen zuzuordnen.
Warming Stripes Data Visualization in Python
In diesem Unterrichtsmaterial erstellen Schülerinnen und Schüler mit Python und der Bibliothek PyTamaro eine Datenvisualisierung der Temperaturveränderungen in der Südschweiz (Warming Stripes). Dabei verarbeiten und analysieren sie historische Klimadaten und mappen Temperaturabweichungen auf Farbwerte.
Advent of Code 2024 - Day 2: Red-Nosed Reports
Eine Programmieraufgabe, bei der numerische Daten (Messwerte von Reaktoren) anhand definierter Regeln auf 'Sicherheit' überprüft werden müssen. Die Lernenden analysieren Sequenzen von Zahlen auf strikte Monotonie und maximale Differenzen.
Datenvisualisierung mit Python und Matplotlib
Eine Einführung in das Erstellen von Datenvisualisierungen wie Histogrammen, Liniendiagrammen und Streudiagrammen mit der Python-Bibliothek Matplotlib. Das Material erklärt die Grundlagen der Darstellung von Datensätzen und das Hinzufügen von Beschriftungen.
Carte mondiale avec Python et Geovizir
Dieses Notebook zeigt Schritt für Schritt, wie man mit Python, Pandas, Matplotlib und der Bibliothek Geovizir statistische und geografische Daten zusammenführt und eine Weltkarte erstellt. Es deckt das Abrufen von Daten, Data-Merging und die Datenklassifizierung ab.
Bases de carto
Dieses Jupyter-Notebook führt Lernende in die Erstellung von choroplethen Karten mit Python ein. Dabei werden statistische Daten mit Kartendaten verknüpft und grafisch dargestellt.
Les bases de la cartographie avec Python
Das Unterrichtsmaterial führt in die Grundlagen der digitalen Kartographie (SIG) ein und zeigt, wie geographische und statistische Daten mithilfe von Python und der Bibliothek GeoVizir verarbeitet, kombiniert und analysiert werden.
Iterative Programm-Optimierung und Datenverarbeitung in Raku
Ein praktisches Programmierbeispiel, das zeigt, wie ein naives Skript zur Analyse von UN-Bevölkerungsdaten schrittweise durch Fehlerbehebung, Performance-Optimierung und den Einsatz von Bibliotheken verbessert wird.
Diskretisierung von Daten mit Pandas
Das Unterrichtsmaterial erklärt das Konzept der Datendiskretisierung (Klasseneinteilung) und zeigt anhand konkreter Python-Codebeispiele, wie die Funktionen pd.cut() und pd.qcut() in Pandas zur Aufteilung von kontinuierlichen Daten in Intervalle eingesetzt werden.
Pandas et les tableaux de données
Das Material führt in die Datenanalyse mit der Python-Bibliothek Pandas ein. Die Lernenden erfahren anhand von Beispielen zur Schweizer Bevölkerung, wie man Datentabellen einliest, filtert, manipuliert und neue Spalten erstellt.
Carte suisse: Erstellung einer thematischen Karte mit Python
Dieses Unterrichtsmaterial zeigt anhand eines praktischen Beispiels, wie mit Python, Pandas und Matplotlib statistische Daten des Bundesamts für Statistik mit Geodaten zusammengefügt und als Karte der Schweiz visualisiert werden. Es deckt dabei die Datenextraktion und -aufbereitung ab.
Bases de carto - Kartenerstellung mit Python
Dieses Unterrichtsmaterial bietet praktische Übungen zur Erstellung von Karten und choroplethen Karten in Python. Die Lernenden verknüpfen statistische Daten mit Geodaten und klassifizieren diese für die Datenvisualisierung.
Discrétisation de données
Dieses Unterrichtsmaterial bietet praktische Übungen zur Datenverarbeitung und Diskretisierung in Python mithilfe der Bibliothek pandas. Die Schülerinnen und Schüler lernen, kontinuierliche Variablen in verschiedene Kategorien einzuteilen.
Manipulation de données avec pandas
Dieses Unterrichtsmaterial bietet praktische Programmierübungen in Python zur Datenexploration und -analyse von Schweizer Kantonsbevölkerungszahlen unter Verwendung der Bibliothek pandas.
Pandas Aide-mémoire
Dieses Material bietet eine kompakte Übersicht und Code-Beispiele für die Arbeit mit der Python-Bibliothek Pandas. Es deckt grundlegende Befehle zum Laden, Anzeigen, Filtern und Manipulieren von tabellarischen Daten ab.
Aggregatfunktionen in SQL
Das Unterrichtsmaterial erklärt anhand von praktischen Beispielen die Verwendung von SQL-Aggregatfunktionen wie SUM, AVG und COUNT sowie die Gruppierung von Daten mit GROUP BY.
Informatik-Lehrmaterialsammlung zur Objektorientierung, Datenbanken und Programmierung
Eine umfassende Sammlung von Unterrichtsmaterialien, Aufgaben und Arbeitsblättern für das Gymnasium. Sie deckt Themen wie objektorientierte Programmierung mit Java (BlueJ), relationale Datenbanken mit SQL und ER-Modellierung sowie algorithmische Grundlagen mit Turtle-Grafik und Sortierverfahren ab.
Unterrichtsmaterialiensammlung zu Tabellenkalkulation und Datenbanken
Eine umfangreiche Sammlung von Arbeitsblättern, Übungen und Lösungen zu den Themen Tabellenkalkulation, relationale Datenbanken, SQL, Normalformen und objektorientierte Modellierung für den Informatikunterricht.
Data-Science-Projekt mit MIT App Inventor
In diesem Unterrichtsmodul formulieren Schülerinnen und Schüler eine wissenschaftliche Fragestellung, beschaffen passende Onlinedaten und analysieren diese mithilfe von Tools und Programmen. Der Schwerpunkt liegt auf dem konstruktionistischen Lernen, bei dem Lernende eigene Projekte mit MIT App Inventor programmieren.
Awesome Dancing with AI Tutorial
In diesem interaktiven Projekt lernen Schülerinnen und Schüler, wie die KI-Technologie PoseNet eingesetzt wird, um Körperpunkte zu verfolgen, Skelettmodelle zu erstellen und Tanzbewegungen mithilfe von Algorithmen zu quantifizieren und zu messen.
Excel: Tabellen analysieren und auswerten
Dieses Unterrichtsmaterial behandelt fortgeschrittene Funktionen von Tabellenkalkulationsprogrammen wie Excel. Die Lernenden erarbeiten sich Themen wie Autofilter, Teilergebnisse, Gruppierungen und Pivot-Tabellen anhand von Aufgaben und Übungen.
Informatik-Prinzipien und Google Code Playground
Dieses Unterrichtsmaterial führt in grundlegende Konzepte der Informatik wie Programmierung, Datenstrukturen (Arrays und Bäume), Informationsverarbeitung und Systemarchitektur ein. Anhand praktischer Beispiele mit dem Google Code Playground und Google-APIs (wie Diagramme und Google Maps) lösen die Lernenden konkrete Programmier- und Datenabfrageaufgaben.
Modellierung eines OLAP-Würfels
Dieses Unterrichtsmaterial bietet eine praktische Vorbereitungsaufgabe zur Modellierung eines multidimensionalen OLAP-Würfels für ein Getränkeunternehmen. Die Lernenden definieren Dimensionen, Hierarchien und Kennzahlen wie Sales und Profit anhand eines realitätsnahen Szenarios.
Kleinstquadrat-Methode: Ausgleichsrechnung und Approximation
Dieses Unterrichtsmaterial für Lehrpersonen behandelt die Kleinstquadrat-Methode zur Bestimmung von Ausgleichsgeraden und -polynomen. Es beinhaltet praktische Zugänge wie einen mechanischen Computer und Applets, theoretische Inputs sowie konkrete Lernaufgaben zur Linearisierung und Approximation.
Schnelle Matrixmultiplikation
Dieses Unterrichtsmaterial vergleicht die klassische Schulmethode zur Matrixmultiplikation mit Strassens rekursivem Algorithmus. Lernende analysieren den Rechenaufwand anhand von Additionen und Multiplikationen und visualisieren die Ergebnisse mit einer Tabellenkalkulation.
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.
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.
Herzfrequenz-Analyse mit der Fourier-Transformation in Python
Dieses praxisnahe Unterrichtsmaterial führt Schülerinnen und Schüler in die Anwendung der Fourier-Transformation (FFT) ein. Anhand eines realen oder simulierten PPG-Signals (Photoplethysmographie) aus Videodaten lernen sie in Python, wie man Signale filtert, dominante Frequenzen extrahiert und die Herzfrequenz automatisch berechnet.
The Internet of Things: Data Acquisition and Analysis
Eine Unterrichtseinheit zum Internet of Things (IoT), bei der Schülerinnen und Schüler mit App Inventor reale Daten erfassen, grafisch darstellen und analysieren. Das Material umfasst zwei Praxisprojekte zur Datenerfassung und datenbasierten Entscheidungsfindung.
Big Data: Die 5 Vs und Datengrössen
Dieses Unterrichtsmaterial behandelt die fünf Merkmale von Big Data anhand anschaulicher Beispiele und verbindet sie mit einer konkreten Analyseaufgabe zu Spamfiltern. Ausserdem werden Grundlagen zu Datengrössen und Codierungen (Text, Audio, Bild, Video) vermittelt und durch persönliche Schätzaufgaben ergänzt.
Datenaufbereitung für Spamfilter und KI-Modelle
Dieses Unterrichtsmaterial führt in die Grundlagen der Datenaufbereitung und Datenbereinigung für KI-Modelle am Beispiel eines Spamfilters ein. Die Schülerinnen und Schüler analysieren ein echtes Datenset, diskutieren Klassifizierungsprobleme wie Graymails und reflektieren Herausforderungen im Umgang mit Trainingsdaten.
Erstellung einer Weltkarte mit Python, Pandas und Matplotlib
Dieses Unterrichtsmaterial zeigt anhand eines praktischen Beispiels, wie man mit Python, Pandas und Matplotlib statistische und geographische Daten importiert, zusammenführt und als Weltkarte visualisiert.
Regression and Curve Fitting with Chebyshev Polynomials in Raku
Dieser Beitrag demonstriert die Anwendung von Chebyshev-Polynomen für die lineare Regression und Kurvenanpassung mithilfe der Programmiersprache Raku. Es werden theoretische Grundlagen wie Orthogonalität und das Minimax-Prinzip erläutert sowie praktische Beispiele inklusive Rauschen und echten Temperaturdaten durchgerechnet.
SQL AVG() Function Tutorial
Dieses Material erklärt die Verwendung der SQL-Aggregatfunktion AVG() anhand von Beispielen und einer Demodatenbank. Es zeigt, wie Durchschnitte berechnet, Bedingungen mit WHERE definiert, Aliasnamen vergeben und Gruppierungen mit GROUP BY durchgeführt werden.