DataScienceatBouvet
>

Skoleelever på kræsjkurs i Data Science - med Titanic

Simen Sommerfeldt 
23. nov. 2018

Vi inviterte to klasser fra Valler Videregående Skole til "Data Science" workshop. Der fikk elevene prøve seg på egenhånd - og erfare at man skal være forsiktig med å la algoritmer bestemme over liv og død!

Mark West leder et av tre Data Science miljøer i Bouvet. Tidligere i høst mottok han en forespørsel fra en lærer: Kunne Bouvet tilby en Data Science workshop for to skoleklasser? Læreren utfordret oss til å lage et opplegg som ville føre til at elevene..

  • ser samfunnsnytten i data science
  • får prøvd seg på et ekte problem/datasett
  • får høre om vår bakgrunn og hva vi gjør

Mark syntes det var hyggelig å bli spurt. Sammen med Sara Jønvik og Fransis Kolstø laget han et pedagogisk opplegg. Jeg skulle være vikar for Mark den dagen da den andre skoleklassen ankom, og gledet meg veldig!

Hva driver 1300+ folk med i et konsulentselskap - og hva er Data Science?

Aller først tok vi med elevene på en liten omvisning, der de fikk se Bouvet-labben og kontorene der vi jobber. Deretter tok vi en liten gjennomgang av hvordan IT-systemer er innvevd i virksomhetene rundt oss, og hvilke kompetanseområder som det er behov for.

IMG_2655

Vi gikk gjennom hovedprinsippene i Data Science, og introduserte noen av teknikkene som vi skulle bruke i oppgaven. Vi fortalte også om noen prosjekter vi kjører hos kunder. Eksempelet som fenget mest var nok hva de flinke kollegaene våre i Rogaland gjør for en fornøyelsespark: Ved hjelp av maskinlæring kan de beregne hvor mye is og brus som må kjøres ut til kioskene i parken på en gitt dag.

Elevene ble også engasjerte da vi fortalte eksempler på hvordan  maskinlæring har blitt fremstilt helt urealistisk i media. Og at vi som jobber med dette må være bevisste på vårt etiske ansvar.

Det finnes dessverre mange eksempler på feil bruk av maskinlæring. Tenk bare på hva de gjør i Kina med sitt "Social Credit" system. George Orwell hadde vært misunnelig!

Ville du ha overlevd på Titanic? Algoritmer kan feile!

Sara og og Fransis introduserte elevene for datasettet til Titanic: Hvordan ser dataene ut? Hva slags hypoteser kan vi danne oss? Hva kjennetegner de som overlevde? Etter å ha installert den nødvendige programvaren arbeidet vi oss gjennom eksempler på hvordan en kan begynne å “kna på dataene”.

Deretter gikk vi videre inn på hva slags Data Science metoder vi kunne benytte for å teste hypotesen. Og endelig var tiden kommet da elevene kunne gripe tastaturet og prøve ut teorien i praksis: De fikk sine første hands-on erfaringer med Data Science!

IMG_2658

Ved hjelp av Python-bibliotekene og treningsdataene fikk vi generert en algoritme i form av et “beslutningstre”. Algoritmen var litt for bastant i sin første utgave: Om du var mann, ville du ha dødd!

Dermed fikk vi illustrert hvordan algoritmer kan feile, og at man bør være forsiktig med å bruke dem til å foreta automatiske avgjørelser som kan få alvorlige konsekvenser for folk.

Screenshot 2018-11-23 at 14.48.45

Elevene var veldig flinke til å ta til seg alt sammen, og vi opplevde at de fleste klarte å gjennomføre oppgavene.

Lærer og forfatter

Andreas Haraldsrud har to hatter: Han er forsker på Fysisk institutt på UiO, og underviser altså elevene på Valler Videregående skole i tillegg. På hjemmesiden hans skriver han: “Jeg arbeider med forskning og utvikling av programmering inn mot skolen. Av spesiell interesse er didaktiske perspektiver knyttet til programmering i realfagene i videregående skole.”

Vi skjønte at han mener alvor da vi fikk vite at han er forfatter av boken “Programmering og modellering - Naturvitenskapelig programmering for videregående skole

En fin dag på jobben

Dette var en veldig hyggelig opplevelse for oss. Med mitt engasjement i Lær Kidsa Koding satte jeg spesielt pris på å møte elever på videregående som kan litt programmering. Og at over halvparten var jenter. Vi trenger flere jenter i bransjen!

Screenshot 2018-11-23 at 23.50.35

Om du vil vite mer om hva vi gjør innen Data Science, kan du følge linken under.