Logo des Repositoriums

Auflistung nach Autor:in "Gips, Carsten"

1 - 2 von 2
  • Konferenzbeitrag
    Deploy-to-Grading: Automatische Bewertung von Programmieraufgaben mit CI/CD-Pipelines
    (Proceedings of the Sixth Workshop "Automatische Bewertung von Programmieraufgaben" (ABP 2023), 2023) Kirsch, André; Matutat, André; Reinsch, Malte; George, Birgit Christina; Gips, Carsten
    Im Rahmen des Moduls Programmieren 2 des Studiengangs Informatik BA der Hochschule Bielefeld reichen Studierende seit mehreren Jahren ihre Programmierlösungen als Git-Pull-Requests ein und verlinken diese nur noch in ihrer Abgabe im Learning Management System. Bisher wurden die Lösungen der Studierenden anschließend in Präsenz mit den Lehrenden diskutiert und von diesen bewertet. Da diese Art der Bewertung viel Zeit in Anspruch nimmt, arbeiten wir an der Umstellung auf ein automatisches Bewertungssystem. Aus diesem Grund präsentieren wir in diesem Paper unser Konzept zur automatischen Bewertung von Programmieraufgaben mithilfe von Continuous Integration/Continuous Deployment-Pipelines. Im Gegensatz zu anderen automatischen Bewertungssystemen verwenden wir keine eigene Serverstruktur, sondern nutzen frei verfügbare Infrastruktur. Wir berücksichtigen dabei die einfache Übertragung auf andere Continuous Integration/Continuous Deployment-Pipelines sowie die Möglichkeit zur lokalen Ausführung.
  • Conference Paper 
    Entwicklung eines modernen Lehr- und Lernkonzepts für Maschinelles Lernen mit Infrastructure-as-a-Service und Cloud Computing
    (DELFI 2019, 2019) Palsbröker, Patrick; Lutz, Matthias; Gips, Carsten; König, Matthias
    Im Rahmen des BMBF-geförderten Projektes „Machine Learning Campus Minden“ wurde ein Lehr- und Lernkonzept entwickelt, um den Schwerpunkt Maschinelles Lernen (ML) im Curriculum des Masterstudiengangs Informatik der Fachhochschule Bielefeld auszubauen. Dazu wird das Grundlagenmodul “Methoden des Maschinellen Lernens” zur Vermittlung des theoretischen Basiswissens angeboten. Darauf aufbauend können die Studierenden ihre Kenntnisse in einer Reihe von anwendungsorientierten Vertiefungsmodulen wie beispielsweise “Natural Language Processing” (NLP) oder “Data Science“ (DS) an Fragestellungen aus dem Forschungs- und Industriealltag erproben und erweitern. Um eine praxisnahe Ausbildung auf dem aktuellen technologischen Stand zu gewährleisten, bieten alle neuen Module die praktische Anwendung mittels modernen Cloud-Plattformen an. In diesem Beitrag wird das so entstandene Lehr- und Lernkonzept vorgestellt. Außerdem stellen wir die gesammelten Erfahrungen bei der Integration von Infrastructure-as-a-Service-Diensten in der Lehre dar und gehen sowohl auf die fachlichen als auch organisatorischen Anforderungen und Fallstricke ein sowie auf die Evaluation der eingesetzten Cloud-Anbieter in Hinblick auf die domänenspezifischen und praxisrelevanten Probleme.