Kastner, MarvinMarvinKastnerPodleschny, NicoleNicolePodleschny2019-10-182019-10-182019-09-26E-Prüfungs-Symposium, Universität Siegen (2019)http://hdl.handle.net/11420/3553Ziel des interdisziplinären Lernmoduls Maschinelles Lernen in der Logistik für Masterstudierende ist es, Studierende zu befähigen, große Datenmengen zu visualisieren, zu bereinigen, auszuwerten sowie mit Methoden des Maschinellen Lernens Zusammenhänge zu identifizieren. Die mediendidaktische Herausforderung ist, das Maschinelle Lernen für Studierende zugänglich zu machen, die keine fundierten Programmierkenntnisse mitbringen. Dafür wurden Jupyter-Notebooks eingesetzt. Für die Übungen sowie in der Prüfung bearbeiten Studierende ein vorgefertigtes Jupyter-Notebook um Code-Zeilen einzufügen oder zu überarbeiten. Ihre Antworten und Lösungswege dokumentieren sie ebenfalls. Das Poster dokumentiert den Prozessablauf, um Jupyter Notebooks sicher in der Prüfung einzusetzen und beschreibt den Ablauf der Klausur.The learning outcome of the interdisciplinary master module „machine learning in logistics“ is the ability to visualize, clean, and interpreting big data, as well as identifying connections with methods of machine learning. The media-didactical challenge is to make machine learning accessible for those students who do not possess sound programming skills. For this, we chose Jupyter Notebooks. In the exercises as well as in the final exam, students use a pre-structured Jupyter Notebook in order to write or rewrite code. They also document their answers and solutions. The poster documents the implementation of Jupyter Notebooks into the exam scenario and describes the examining process.dehttp://rightsstatements.org/vocab/InC/1.0/Computergestützte PrüfungJupyter NotebooksMaschinelles LernenJupyterHubIngenieurwissenschaftenConference Poster not in Proceedingsurn:nbn:de:gbv:830-882.05175310.15480/882.243510.15480/882.2435Conference Poster