Ø59: Algoritmer og kræftforskning – fremtidsrettet problemløsning med Machine Learning

Beskrivelse

Udbydes:Hele året

Varighed:

Model A: 2 timer (Kun Forløb 1 om algoritmer)

Model B: 3 x 2 timer fordelt over 3 uger

Model C: En hel dag fx kl. 9-15 inklusiv pauser

Notér i bemærkningsfeltet, hvilken model du er interesseret i.

Øvelsen afholdes på:Sjællandske gymnasier eller Datalogisk Institut på Nørre Campus. Notér ved tilmelding, hvor øvelsen ønskes afholdt.

Faglige krav:Matematik på A-niveau. Programmeringserfaring er ikke nødvendig.
Hvis din klasse har Informatik B eller Programmering B, så notér det gerne ved tilmelding.

Materialer:Øvelserne kræver, at eleverne har adgang til en computer.

Max antal:30 elever

Indhold:

Datalogisk Institut tilbyder en fagpakke om algoritmer og machine learning. Over tre forløb giver datalogistuderende fra vores Gymnasietjeneste dine elever en introduktion til programmering og viser, hvordan machine learning kan bruges til at løse medicinske problemstillinger.

Emnerne for de tre forløb i fagpakken er:

1.      Algoritmik og problemløsning (Model A)

Eleverne bliver undervist i, hvad en algoritme er, og hvordan en algoritme kan bruges til at løse problemer.

2.      Programmering i Python

Eleverne får en introduktion til programmeringssproget Python og lærer, hvordan programmering gør det muligt at implementere sine løsninger på en effektiv måde.

3.      Dataanalyse og machine learning

Eleverne lærer, hvordan systemer selv kan lære fra data. I øvelserne skal de bygge et system, der kan kende forskel på god- og ondartede kræftsvulster.

Forløbene i fagpakken er bygget op omkring øvelser og korte oplæg.

Det er oplagt at kombinere fagpakken med Gymnasietjenestens oplæg om, hvordan det er læse datalogi på Københavns Universitet (FXX).

Forberedelse: Fagpakken kræver ikke forberedelse, men har man lyst, kan man øve sig på Python her: https://www.codecademy.com/learn/python

Forslag til efterbehandling:

·         Algoritmiske optimeringsopgaver

·         Bedre klassificeringsmetoder

·         Implementering af funktioner i Python

·         https://www.codecademy.com/learn/python

Underviser: Gymnasietjenesten ved Datalogisk Institut