Refine
Document Type
- Bachelor Thesis (1)
- Master's Thesis (1)
Has Fulltext
- yes (2)
Keywords
- Machine Learning (2) (remove)
This thesis aims to extend an existing Open Educational Resource (OER), which is available as a GitHub repository, and provide an organized introduction to basic machine learning (ML) concepts and algorithms. Further models, followed by structured metadata for each object, will be included while adhering to the contribution guidelines of the OER and following the CC license. The Machine-Learning-OER Basics repository intends to provide a wide range of benefits by enabling diverse users to apply and distribute machine learning algorithms. The goal of this digital collection is to fill the existing gap for instructional material on using machine learning in OER as well as make it easier to learn ML concepts effectively. These ML models are developed using the programming language Python and the library scikit-learn, among other standard libraries. Jupyter Notebook will make it straightforward for the user to explore the code. In order to apply the models to various practical scenarios, a non-specific data set is selected. This work is considered a solution approach in that it includes adding classification models.
A performance comparison of the models is conducted. This comparative analysis evaluates the efficiency of each model. The examination includes various metrics for measurement. This work serves as a written extension, providing comprehensive background information on the algorithms utilized within the repositories and the performance comparison.
Die Entwicklungen im Bereich der Informations- und Kommunikationstechnologie haben völlig neue Möglichkeiten des Datenaustausches und der Zusammenarbeit geschaffen. Das zeigt sich auch in der Lehre. Hier hat sich der Begriff der Open Educational Resources (OER) entwickelt, womit frei zugängliche Bildungsmaterialien bezeichnet werden. Um dieses Potential ausschöpfen zu können, braucht es innovative Herangehensweisen.
In dieser Arbeit wird ein neuer Ansatz vorgestellt. Anstatt Lehrmaterialien als Teil eines didaktischen Konzeptes zu betrachten, werden sie als Objekte einer digitalen Sammlung verstanden. Das erleichtert die Adaptierung der Materialien an die spezifischen Anforderungen von Lehrveranstaltungen. Konkret wird der Ansatz auf den Aufbau einer OER-Kollektion für Machine Learning angewendet. Denn gerade in diesem Bereich zeichnet sich ein hoher Bedarf an Kompetenzvermittlung ab, um Forschende auf die Anforderungen einer immer datenintensiveren Wissenschaft vorzubereiten.
Die gewonnenen Erfahrungen werden im Fazit als Lessons learned zusammengefasst, um damit andere bei der Umsetzung ähnlicher Vorhaben zu unterstützen.
Die OER-Kollektion ist zugänglich über die Online-Plattform GitHub unter dem Link:
https://github.com/Machine-Learning-OER-Collection/Machine-Learning-OER-Basics