DALIA Portal
Data Literacy – Daten interpretieren durch Data Mining
Data Literacy – Daten interpretieren durch Data Mining
Authors
More InfoGo to Resource
4
0
0
Description

Data Mining – das klingt nach Bergarbeiten, um in der Tiefe nach Daten zu schürfen. Aber was verbirgt sich wirklich dahinter? Dieser Kurs zeigt, was Data Mining ist, und gibt einen theoretischen und praktischen Einblick in unterschiedliche Methoden des Data Minings.

Überblick

Der Schatz des Data Mining sind tatsächlich große Datenmengen, aus denen man neue Erkenntnisse über die Zusammenhänge unter ihnen gewinnen will. Mit den entsprechenden Daten sind genaue Vorhersagen möglich. Wie geschieht das? Und wie kann ein Programm selber aus Daten lernen? Dieser Kurs der TH Köln gibt hierzu eine Einführung. Selbstlernende Algorithmen des Data Mining werden vorgestellt und ihre Ideen anschaulich erklärt. Sie sind dazu eingeladen, diese dann selber in unterschiedlichen Problemstellungen, beispielsweise an echten Datensätzen in Jupyter Notebooks, anzuwenden.

Welche Inhalte erwarten mich?

  • Alle Schritte eines Data Mining Projektes werden durchgegangen
  • Wichtige Algorithmen des überwachten und des unüberwachten Lernens werden anschaulich erläutert und durchgeführt
  • Alle vorgestellten Methoden werden auf Beispiele angewendet und die Ergebnisse diskutiert
  • Fachliche und ethische Grenzen werden aufgezeigt

Was werde ich erreichen?

Nach Abschluss des Kurses

  • kann ich Fragestellungen des Data Minings mit einer systematischen Vorgehensweise bearbeiten
  • kann ich geeignete Verfahren des Data Minings auswählen und die Ergebnisse beurteilen
  • kann ich einfache und komplexe Programmieraufgaben zu Data Mining in Python lösen

Welche Voraussetzungen benötige ich?

  • Der Kurs kann ohne Voraussetzungen besucht werden. An vertiefenden Stellen wird auf Sachverhalte hingewiesen, für die ein mathematisches Grundverständnis nötig ist
  • Bei nicht-vorhandenen Programmierkenntnissen ist das Lösen der anspruchsvolleren Programmieraufgaben zeitaufwändig

Was sollte ich sonst noch wissen?

  • Account und Anmeldung erforderlich (kostenfrei).
  • Leistungsnachweis
  • 16 h
Details

Building Confidence with Research Metadata at Scale: A Hands-on DataCite REST API Workshop for PID4NFDI
13
0
0
Building Confidence with Research Metadata at Scale: A Hands-on DataCite REST API Workshop for PID4NFDIThis deposit contains the complete materials from the PID4NFDI online workshop "Building Confidence with Research Metadata at Scale: A Hands-on DataCite REST API Workshop", delivered on 15 June 2026. The workshop introduced research-data managers, repository staff, data stewards and librarians to the DataCite REST API as a practical tool for assessing and improving metadata quality at scale, with no programming or terminal use required. The core idea is that every metadata KPI can be expressed as one of two queries a present query (field:*) and a missing query (-(field:*)) and read off meta.total. Participants worked through their own repositories in the browser, scoping queries with client-id, building present/missing questions for licences, ORCIDs, affiliations and funders, turning counts into distributions with facets, and exporting result sets for downstream reporting. Learning outcomes By the end of the workshop, participants are able to: scope a DataCite API query to their own repository using client-id; ask present/missing questions about any DataCite metadata field; read meta.total as the number that answers a KPI question; turn one number into a distribution by enabling facets; export a result set as JSON or a single record in a citation format via content negotiation; and explain the difference between Commons (clickable), the Dashboard (snapshot completeness) and the API (precise queries + missing-records worklists). Audience Beginners: research-data and repository staff, data stewards, librarians, curators. No prior coding required; the entire workshop runs in a web browser. How to reuse this material The materials are released so other communities can run the same workshop or adapt the activities for their own training. The workbook is structured so each task is one URL the participant edits, which makes it easy to localise to a single repository or research area. Related work DataCite Metadata Monitoring Framework v1.1 the KPI definitions that the workshop is built around — https://doi.org/10.5281/zenodo.19659989 DataCite Metadata Schema v4.7 https://schema.datacite.org/ DataCite REST API documentation https://support.datacite.org/docs/api DataCite Commons (clickable counterpart) https://commons.datacite.org DataCite Metadata Dashboard https://metadata.datacite.org
Learning Resource Type
Workshop
File Format
PDF
Languages
English
Media Type
Presentation
Publication Date
2026-06-22
License
CCBY
Size
2.5 MB
Authors
Keywords
#workshop#DataCite#REST API#research metadata#metadata quality#persistent identifiers#PID#NFDI#DOI#ORCID#ROR#open science#FAIR data
Go to Resource
See Details
Forschungsdaten-Escape-Game für Studierende im Rahmen der Love Data Week
10
0
0
Forschungsdaten-Escape-Game für Studierende im Rahmen der Love Data WeekDie Veröffentlichung umfasst alle Materialien für ein selbst entwickeltes Escape-Game zum Forschungsdatenmanagement (FDM) von Mitarbeitenden der Universitäts- und Landesbibliothek Münster, das im Rahmen der Love Data Week konzipiert wurde. Studierende müssen innerhalb von ca. 30–45 Minuten durch das Lösen von Rätseln und Aufgaben die Tücken des Datings meistern, um das Herz der*des Auserwählten zu gewinnen. Das Spiel dient als spielerisches Lernformat zur Förderung von Teamarbeit, Problemlösungsfähigkeiten und kreativem Denken. Studierende befassen sich durch das Spiel niedrigschwellig mit Aspekten des FDMs (Lebenszyklus, Bedeutung von Metadaten, Dateibenennungen und -formate, sensible Daten, Laborbuch sowie der 3-2-1-Backup-Regelung). Mit der Publikation werden die Anleitung zum Spiel, die Materialliste sowie die Aufgabenzettel zur Nachnutzung angeboten.
Learning Resource Type
Educational Game
File Format
ZIP
Languages
German
Media Type
Text
Publication Date
2026-07-24
License
CCBY
Size
89 MB
Authors
Keywords
#FDM#Escape Game#Studierende#Veranstaltung#Gamification#Forschungsdatenmanagement#Hochschulbildung#spielbasiertes Lernen
Go to Resource
See Details
Weihnachtliches Forschungsdaten-Escape-Game für Studierende
7
0
0
Weihnachtliches Forschungsdaten-Escape-Game für StudierendeDie Veröffentlichung umfasst alle Materialien für ein selbst entwickeltes Escape-Game zum Forschungsdatenmanagement (FDM) von Mitarbeitenden der Universitäts- und Landesbibliothek Münster mit weihnachtlichem Thema. Studierende werden herausgefordert, innerhalb von 30 Minuten Rätsel und Aufgaben zu lösen, um rechtzeitig vor den Feiertagen aus der Einrichtung zu entkommen. Das Spiel dient als spielerisches Lernformat zur Förderung von Teamarbeit, Problemlösungsfähigkeiten und kreativem Denken. Studierende befassen sich durch das Spiel niedrigschwellig mit Aspekten des FDMs (Lebenszyklus, Bedeutung von Metadaten, Dateibenennungen und -formate sowie der 3-2-1-Back-up-Regelung). Mit der Publikation werden die Anleitung zum Spiel, die Materialliste sowie die Aufgabenzettel zur Nachnutzung angeboten.
Learning Resource Type
Educational Game
File Format
ZIP
Languages
German
Media Type
Text
Publication Date
2026-07-24
License
CCBY
Size
15.1 MB
Authors
Keywords
#FDM#Escape Game#Studierende#Veranstaltung#Gamification#Forschungsdatenmanagement#Hochschulbildung#spielbasiertes Lernen
Go to Resource
See Details
Learning Analytics für Lehrkräfte
5
0
0
Learning Analytics für LehrkräfteIm Onlinekurs steigst du in das Thema Learning Analytics ein und erfährst, was das für dich als Lehrer:in bedeutet. Jetzt loslegen! Überblick Willkommen beim Kurs Learning Analytics für Lehrkräfte! Learning Analytics (LA) kann Lehre und Lernen sehr erleichtern. Darum möchten wir Lehrkräften, Lehramtsstudierenden und interessierten Personen mit einem leichten Einstieg motivieren, die Chancen von LA zu nutzen. In unserem Kurs lernt ihr erst das notwendige Grundwissen über Learning Analytics, dann zeigen wir euch, wie ihr Learning Analytics in Lernkontexte integrieren und Unterricht mit einem LA-Dashboard steuern könnt. Wir wünschen euch viel Spaß im Kurs! Im Kurs lernt ihr schnell, dass die Vorbereitung, Gestaltung und Umsetzung von LA nur mit vereinten Kräften aus verschiedenen Professionen gelingen kann. Darum empfehlen wir euch, den Kurs mit anderen zu teilen. Welche Inhalte erwarten mich? - Einführung in Learning Analytics (LA) - Integration von Learning Analytics - Lernverläufe mit LA-Dashboards begleiten Was werde ich erreichen? Nach Abschluss des Kurses - kenne ich grundlegende Verfahren und Anwendungsfelder von Learning Analytics. - kann ich die Modellierung von Lernumgebungen für einen Einsatz von Learning Analytics verstehen. - kann ich die Chancen von Learning Analytics zum Design von adaptiven Lernpfaden nutzen. - kann ich mit Learning Analytics Dashboards Lernverläufe analysieren, bewerten und gestalten. Welche Voraussetzungen benötige ich? - Keine Voraussetzungen Sonstiges: - Dauer: 6 h - Leistungsnachweis - Anmeldung erforderlich, kostenlos
File Format
Unknown
Languages
German
License
CCBYSA
Authors
Keywords
#KI-Campus-Original#Data Literacy#KI in der Schule
Go to Resource
See Details
Kurs KI-Campus-Original Daten- und Algorithmenethik
7
0
0
Kurs KI-Campus-Original Daten- und AlgorithmenethikÜberblick Ethisch korrekte Daten und Algorithmen bestimmen zunehmend über die Vertrauenswürdigkeit von KI-Anwendungen. Dieses Lernangebot bricht mit dem Mythos, dass Ethik und Moral für KI-Anwendungen universell implementiert werden können, um jegliche Formen von Diskriminierung und kognitiver Verzerrung zu vermeiden. Ausprägungen und Implikationen einer Daten- und Algorithmenethik werden unter anderem durch Interviews mit verschiedenen Expert*innen, Anwender*innen und Entscheider*innen vertieft. Integrierte Mini-Games und ein übergreifendes Ethik-Game fördern eine spielerische Erfahrung mit dem Thema. Die Selbstwahrnehmung für eine digitale Ethik (engl. “ethical self-awareness”) am Beispiel der Daten und intelligenten Algorithmen wird dadurch gefördert. Welche Inhalte erwarten mich? - Begriffliche Grundlagen der Daten- und Algorithmenethik - Überblick über wesentliche Moraltheorien als Verständnis eines kulturell geprägten und damit nicht universell einheitlichen ethischen Denkens - Formen und Ausprägungen von Daten- und Algorithmenethik in der aktuellen Anwendung von KI-Ansätzen - Ansätze für eine ethisch korrekte Verarbeitung von Daten und Gestaltung von Algorithmen - Integrierte Ethik-Games in die einzelnen Lernfolgen und ein übergeordnetes Ethik-Game zum Erfahrbar-Machen dieser Inhalte Was werde ich erreichen? Bei Abschluss des Kurses sind Sie in der Lage... - essentielle Fachbegriffe, theoretische Hintergründe und die Modelle der Daten- und Algorithmenethik zu benennen, - die Grundlagen kulturell abhängiger ethischer Gestaltungsansätze in der Daten- und Algorithmenethik zu verstehen, - Beispiele von Daten- und Algorithmenethik in aktuellen KI-Anwendungen differenziert zu verstehen und bewerten zu können, - Handlungsstränge für die Gestaltung ethisch unbedenklicher Daten und Algorithmen als Grundlage für die Vertrauenswürdigkeit von Design, Implementierung und Nutzung verschiedener KI-Anwendungen ableiten zu können sowie - relevante Entscheidungsprozesse im aktuellen KI-Diskurs besser nachvollziehen zu können. Welche Voraussetzungen benötige ich? - keine Vorkenntnisse erforderlich Was sollte ich sonst noch wissen? Account notwendig, kostenlos
Learning Resource Type
Web page
File Format
Unknown
Languages
German
License
CCBYSA
Authors
Keywords
#KI-Campus-Original#Data Literacy#KI & Ethik
Go to Resource
See Details
Schule macht Daten
5
0
0
Schule macht DatenIn unserem Onlinekurs nimmst du das Thema Daten unter die Lupe und erhältst Materialien für deinen Unterricht. Jetzt reinschauen! Überblick Im Online-Kurs taucht ihr als (angehende) Lehrer:innen in das Thema "Daten" ein und erfahrt, wie ihr im Schulkontext spielerisch deren Bedeutung vermitteln könnt. Ihr erfahrt was Daten sind und wofür sie verwendet werden. Ihr erhebt Daten und arbeitet mit diesem entsprechend des Data Cycles. Ihr erprobt Methoden für die Unterrichtsgestaltung, sodass eure Schüler:innen die konkreten Verbindungen zur eigenen Lebenswelt und die Relevanz des Themenfelds für sich selbst in unterschiedlichen Lebensbereichen erkennen. Denn durch die Auseinandersetzung mit dem Thema entsteht ein bewussterer Umgang. Erst durch das Begreifen von technischen Grundlagen und deren Zusammenhänge ist eine selbstbestimmte Nutzung überhaupt erst möglich. Der Kurs richtet sich an Lehramtsstudierende und Lehrkräfte vornehmlich nicht-naturwissenschaftlicher Fächer und ermöglicht es ihnen, die Thematik in ihren Unterricht mit Schüler:innen der Sekundarstufe I und II zu integrieren. Im Kurs "Schule macht KI" wird die Verknüpfung von Daten und KI-Anwendungen vertieft und eignet sich im Anschluss an Schule macht Daten. Welche Inhalte erwarten mich? - Definition von Daten in verschiedenen Kontexten - Einführung in die Datenerhebung, -analyse und -nutzung (Data Cycle) - Datenethik und algorithmische Vorurteile - Zukunftsvisionen mit Daten gestalten Was werde ich erreichen? Bei Abschluss des Kurses bist du in der Lage… - den Begriff "Daten" in eigenen Worten verständlich zu erklären. - Daten zu erheben und eigene Datenprojekte umzusetzen. - die Bedeutung von Daten für KI-Modelle sowie das Entstehen algorithmischer Vorurteile zu beurteilen. - KI-Sprachanwendungen selbst zu erstellen. - kreative Ideen und Lösungen für Anwendungen mit Daten in der Zukunft zu skizzieren. Welche Voraussetzungen benötige ich? - Keine Voraussetzungen Was sollte ich sonst noch wissen? Anmeldung auf der Plattform erforderlich. Der Kurs ist kostenfrei.
Learning Resource Type
Web page
File Format
Unknown
Languages
German
License
CCBYSA
Authors
Keywords
No keywords
Go to Resource
See Details

Data
Literacy
Alliance
Sign up to our newsletterThe DALIA newsletter informs you about upcoming events and milestones.
Subscribe to NewsletterView Newsletter
Follow
Search PortalBasic SearchAdvanced Search
AccountLogin
Project WebsiteHomeQuality Control and ContinuationCommunicationInformation ModelInfrastructureSearch and Recommendation EnginePartners and Funders
CommunitiesView All Communities
LegalImprintPrivacy PolicyDeclaration on AccessibilityTerms of Use
FundersFunded by EUBMFTR Logo