Lær at klassificere data og forudsige resultater med datavidenskab

Kort beskrivelse af aktiviteten: I denne forelæsning og workshop vil vi give en introduktion til datavidenskab (data science) og efterfølgende se nærmere på, hvordan datavidenskab og machine learning kan benyttes til at arbejde med data, som f.eks. at lave klassifikation og forudsigelser ud fra data. Vi vil konkret se nærmere på metoden “k- nærmeste naboer (KNN)” til klassifikation af data, som vi vil eksemplificere ved hjælp af patientdata, hvor opgaven er at forudsige, om en given patient har diabetes eller ej. Vi vil i denne sammenhæng også illustrere nogle af de udfordringer, man kan møde, når man arbejder med virkelige data.

Karakter af besøgets indhold: Delt forelæsning og workshop, hvor eleverne vil få mulighed for at arbejde med konkrete værktøjer.

Faglig relevans: Matematik, Bioteknologi, Programmering, Informatik, Informationsteknologi, Teknologi, Teknologiforståelse.

Nøgleord: Datavidenskab, machine learning, matematik, Python, programmering, algoritmer, klassifikation.

Forventet niveau: Matematik A, 2. og 3.g

Forberedelse: Eleverne skal medbringe computer, der kan tilgå internettet, da de kommer til at arbejde i Google Colab. Derudover blyant eller lignende ifm. løsning af en fysisk opgave.

Udbytte: Eleverne vil opnå indsigt i, hvordan man kan arbejde med data og hvilke problemer (og dertil løsninger), der kan opstå i mødet med data fra virkeligheden. Derudover vil de stifte bekendtskab med nogle basale kommandoer i programmeringssproget Python.

Maks. antal personer: Workshoppen vil give bedst udbytte, hvis det holdes for et antal personer, der svarer til en normal gymnasieklasses størrelse.

Tidspunkt for besøget: Aftales med kontaktperson.

Besøgets varighed: Ca. 120 minutter (kan evt. kombineres med besøg "Træn en AI-model til at genkende billeder" og/eller "Lær at programmere, styre og kommunikere med LED".

Mødested: Institut for Datalogi (AAU), Selma Lagerlöfs Vej 300, 9220 Aalborg Ø

Kontaktperson: gymnasieportalen@adm.aau.dk, Lars Dalsgaard Vinther Schmidt, Institut for Datalogi