Im diesem Workshop machen wir erste Gehversuche mit Miro und suchen nach spannenden Datensätzen. Dabei wollen
Ziel der Veranstaltung ist es unter anderem, dass Sie ein für Sie ansprechendes, relevantes und spannedes Thema für ein Data Science Projekt finden.
🛠 Ankommen
- Gegenseitiges Vorstellen und Kennenlernen: wer sind Sie?
- Organisatorische Themen
- Ankommen in Miro
🚀 Challenge #1: Miro
Aufgabe: Besuchen Sie das Miroboard unter dem im Moodle angegebenen Link. Sehen Sie sich um und lernen Sie die Oberfläche kennen.
🚀 Challenge #2: Story Telling
Impuls: Was ist Story Telling?
Ein exzellent gemachtes Beispiel für Data Science in der Praxis ist der Vortrag von David Kriesel zum Thema BahnMining - Pünktlichkeit ist eine Zier beim 36C3 des Chaos Computer Clubs.
Aufgabe: Betrachten Sie noch einmal Ihre Notizen zum Vortrag. Einigen Sie sich in der Gruppe auf Ihre Top 5 Best Practices sowie Ihre Top 5 Worst Practices für Story Telling. Dokumentieren Sie Ihre Ergebnisse im Miro.
🚀 Challenge #3: Steckbriefe für Alltagsfragen
Lassen Sie uns diskutieren: Was sind Daten?. Überlegen Sie mal: wo findet man überall Daten über Sie? Und warum existieren diese Daten? Welchen “Wert” haben sie?
Aufgabe: Überlegen Sie in Ihrer Gruppe drei Alltags- oder Domänenprobleme, die mit Daten addressiert, verbessert oder gelöst werden können. Erstellen Sie für jedes Problem so konkret und realitätsnah wie möglich einen Steckbrief.
In einen Steckbrief für Alltagsfragen gehören folgende Aspekte:
- Die Problembeschreibung
- Wie groß ist das Problem? Wer ist davon betroffen?
- Legen Sie eine Link-Sammlung an: Wo findet man Daten zum Problem? Alternativ: wo oder wie würden Sie die Daten sammeln? Wie würden Sie dabei vorgehen?
- Wo sind die Daten gespeichert oder wie würden Sie die Daten speichern? Wie groß sind die Daten?
- Welche Entscheidungen kann man mit den Daten treffen? Welche Fragen beantworten? Wie?
- Gibt es ethische Bedenken bei Ihrer Fragestellung? Welche Aspekte sind besonders kritisch und warum?
Einige Inspirationen für Ihr Vorgehen:
- Wie kann man das Lernen an der Hochschule verbessern?
- Wie hätte man mit Daten die Impfquoten während der Pandemie verbessern können?
- Wie können Sie mit Daten Ihre persönliche Produktivität verbessern?
🚀 Challenge #4: Datenschatzkiste
Aufgabe: Recherchieren Sie auch eigene Quellen für Datensätze. Erstellen Sie eine Top 5 der spannendsten Datensätze, die Sie in diesem Kurs vielleicht analysieren möchten. Notieren Sie zu jedem Datensatz einen Mini-Steckbrief.
In einen Mini-Steckbrief für einen Datensatz gehören folgende Aspekte:
- ein Name
- eine aussagekräftige Größenangabe (in Kilobyte, in Seiten, in Fantastillionen)
- die URL
- eine Auswahl an möglichen Fragestellungen, die sich mit den Daten realistisch beantworten lassen.
Verwenden Sie zur Inspiration ChatGPT oder offene Datenquellen wie zum Beispiel:
- Statista
- Open Data Berlin
- Fivethirtyeight
- Datensätze zu Social Media
- die Seite Ihres Lieblings-Sportvereins / -Künstlers / -Projektes
Ressourcen:
Vielleicht hilft Ihnen diese Anleitung zum Identifizieren von Data Science Themen weiter.