Logo des Repositoriums

Auflistung nach Autor:in "Andres, Daniela"

1 - 3 von 3
  • Zeitschriftenartikel
    ClusterLabor: Ein Werkzeug zur interaktiven Visualisierung und Analyse von Clusteralgorithmen
    (Informatische Bildung in Schulen (IBiS): Vol. 2, No. 2, 2024) Andres, Daniela; Joachim, Silvia; Hennecke, Martin
    In diesem Beitrag wird die Webanwendung ClusterLabor (verfügbar unter ddi.informatik.uni-wuerzburg.de) vorgestellt. ClusterLabor ermöglicht eine interaktive Visualisierung und Analyse von Clusteralgorithmen in zweidimensionalen Datensätzen. Damit können verschiedene Algorithmen hinsichtlich ihrer Ergebnisse in Abhängigkeit von der gewünschten Anzahl an Clustern verglichen werden. Anwender können aus verschiedenen Beispieldatensätzen wählen, eigene Datensätze hochladen oder Datensätze direkt durch manuelle Eingabe generieren. Zum Clustern stehen verschiedene Methoden zur Verfügung: der k-Means-Algorithmus mit Varianten wie Lloyd oder MacQueen, der k-Medoids-Algorithmus sowie hierarchische Clusteranalyse mit unterschiedlichen Distanzmaßen und Fusionierungsalgorithmen. Ein besonderer Fokus liegt dabei auf dem Unsupervised Learning, einem Bereich der Künstlichen Intelligenz (KI), bei dem Algorithmen Muster und Strukturen in unbeschrifteten Daten selbstständig erkennen. Zur Bestimmung der "optimalen" Clusterzahl k sind zudem Visualisierungen des Elbow Plots (Ellenbogendiagramms), des Average Silhouette Plots (ASW-Kurve) sowie des Dendrogramms integriert.
  • Zeitschriftenartikel
    Den k-Means-Algorithmus verstehen: Mit Stift & Papier und BlueJ
    (Informatische Bildung in Schulen (IBiS): Vol. 2, No. 1, 2024) Andres, Daniela; Joachim, Silvia; Hennecke, Martin
    Dieser Praxisbeitrag stellt unterrichtliche Aktivitäten vor, um den k-Means-Algorithmus einzuführen und ihn anschließend in BlueJ zu implementieren. Anhand eines Beispieldatensatzes mit Fundkoordinaten von Pilzen können sich die Schülerinnen und Schüler die Funktionsweise des k-Means-Algorithmus selbst erschließen. Der Datensatz ist zweidimensional und klein genug, um den Algorithmus mit Stift und Papier in angemessener Zeit zu erarbeiten. Anschließend kann der Algorithmus in der den Schülerinnen und Schülern sowie Lehrkräften bekannten Umgebung BlueJ programmiert und das Ergebnis durch Einlesen einer csv-Datei mit den vorher verwendeten Fundkoordinaten verifiziert werden.
  • Poster
    NetVisard: Ein Programm zur Simulation Neuronaler Netze
    (INFOS 2023 - Informatikunterricht zwischen Aktualität und Zeitlosigkeit, 2023) Andres, Daniela; Hennecke, Martin; Greubel, André
    Spätestens seit der Vorstellung von ChatGPT werden auch in der breiten Bevölkerung Künstliche Intelligenz und maschinelles Lernen als wichtige Technologien der Zukunft diskutiert. Diese Entwicklung wird bereits von den ersten deutschen Lehrplänen aufgegriffen, die Aspekte der Künstlichen Intelligenz unter Anderem in den Informatikunterricht integrieren. Ein Beispiel hierfür ist der bayerische Lehrplan für die Jahrgangsstufen 11 und 13, in dem mehrfach der Einsatz von geeigneter Software zum Begleiten des neuen Lernprozesses vorgeschlagen wird. Solche didaktischen Programme sind allerdings noch kaum vorhanden. In diesem Beitrag wird deshalb NetVisard vorgestellt, ein Werkzeug zum Erstellen, Visualisieren und Trainieren neuronaler Netze. Zuerst werden die Motivation und grundlegende Funktionalitäten des Programms beschrieben ehe anschließend ein Ausblick auf die Anwendungsmöglichkeiten von NetVisard in der neuen bayerischen gymnasialen Oberstufe gegeben wird. Der Quelltext von NetVisard ist unter https://gitlab2.informatik.uni-wuerzburg.de/ s369612/netvisard einsehbar. Dort finden sich auch weitere Informationen zur Funktionsweise und Aufbau des Programms. Die Anwendung selbst befindet sich unter www.netvisard.de.