22. Jun 2021

Studi-Workshop zur Coronazeit

Wie wir einen Machine Learning Workshop mit Studierenden Corona-konform remote durchgeführt haben
Managing Consultant

Author

Dennis Grammes

U êbung jpg

Kann man einen Workshop an einer Hochschule in dieser Zeit durchführen? Gleich vorweg: Ja. Und das sehr erfolgreich.
Wie wir das gemacht haben wollen wir hier kurz beschreiben.

Als wir uns entschlossen, während der Corona-Zeit Studentenworkshops anzubieten war es draußen noch kalt und die Infektionszahlen waren hoch. Eine Durchführung mit Präsenz kam also nicht infrage.

Das Material für den Workshop war schon ausgearbeitet. Im Januar 2020, also unmittelbar vor Corona, hatten wir den gleichen Workshop bereits vor Studenten der HBRS gehalten.

Wir gingen also in die Planung: Welche Plattform wollen wir nutzen? Wie wollen wir einen Tagesworkshop in 4 Stunden halten? Wie können Teilnehmer die Übungen durchführen? Wie bekommen wir während des Workshops Feedback wann die Studenten mit den Übungsaufgaben fertig sind oder ob sie Fragen und Probleme haben? Können wir Studenten für das Thema begeistern?

Die Plattform

Nachdem wir bei einer internen Veranstaltung bereits von Gather.Town begeistert waren, fiel uns die Entscheidung leicht. Gather.Town bietet sowohl alle Features einer Remote-Plattform (Webcam, Ton, Screensharing, Rechteverwaltung) als auch eine einfache Möglichkeit, Feedback zu geben und die Möglichkeit, sich intuitiv in Kleingruppen zusammenzufinden.

In Gather.Town finden Meetings auf einer virtuellen Karte statt, auf der man seinen Avatar umherbewegen kann. Gespräche kann man nur mit Personen führen, deren Avatar sich in der Nähe des eigenen Avatars befindet, außer man steht an einem Mikrofon auf einem Podium. Dann hören und sehen einen alle im Raum anwesenden, der Vortragende selbst sieht die Webcambilder, hört aber die Teilnehmer nicht.

Das Feedback können die Teilnehmer über Emojis geben. Diese erscheinen dann z.B. als „Daumen hoch“ oder „Winken“ über dem Kopf des eigenen Avatars. Zusätzlich haben wir im Raum einen Bereich für die Vorträge des Workshops und einen Teil für die Übungen voneinander abgegrenzt. Mit den Teilnehmern haben wir vereinbart, dass sie sich, wenn sie mit den Übungen fertig sind, in den Vortragsbereich begeben. So konnten wir anhand der Position der Avatare immer schnell erkennen, wie viele Teilnehmer bereits mit den Übungen zu diesem Teil des Workshops fertig sind. Das Emoji „Hand heben“ stand für „Ich habe eine Frage oder brauche Hilfe“. In dem Fall sind wir dann an den Übungstisch gelaufen und haben mit den Teilnehmern an diesem Tisch gesprochen.

Der interaktive und etwas spielerische Umgang auf der Plattform sollte dazu beitragen, unseren Austausch mit den Studenten zu erleichtern und den Workshop von den üblichen Frontal-Vorlesungen an der Hochschule abzuheben.

Während eines Vortrags befinden sich die Avatare der Teilnehmer alle in der rechten Hälfte des Raumes in Gather.Town.

Vortrag jpg

Für die Übungen haben sich die Teilnehmer an den Übungstischen im linken Teil des Raumes eingefunden.

U êbung jpg

Praktische Übungen – remote?

Für die praktischen Übungen setzen wir das im Machine Learning und Data Science-Bereich verbreitete JupyterLab ein. Das ist eine webbasierte Anwendung, in der man sogenannte Notebooks anlegen kann. Diese Notebooks können verschiedene Abschnitte enthalten. In Textabschnitten stand jeweils die Aufgabenstellung zu den Übungen. Dazwischen gab es Codeabschnitte in Python, die interaktiv direkt im Notebook ausgeführt werden konnten. Somit konnten die Studenten die Aufgaben direkt unterhalb der Aufgabenstellung im Browser lösen, ohne sich erst eine IDE zu installieren.

Von JupyterLab haben wir für den Workshop 30 Instanzen auf AWS deployt. Somit gab es für alle Studenten und uns je ein eigenes Notebook.

Imgpsh mobile save jpg

Zeitlicher Rahmen und Inhalte

Ursprünglich war der Workshop tagesfüllend angelegt. Für die Remote-Durchführung haben wir uns auf 4 Stunden inkl. 15 min Pause beschränkt. Dazu haben wir den Teil über Neuronale Netze auf einen kurzen Teaser am Ende reduziert und somit die Themen „Einführung in Python“, „Datenaufbereitung mit Pandas“ und „Machine Learning mit Entscheidungsbäumen“ behandelt. Zusätzlich gab es von uns das Angebot, dass Teilnehmer nach Ende des Workshops länger bleiben können, wenn sie noch mehr wissen wollten. Dieses Angebot fand regen Anklang. Mehrere Teilnehmer blieben noch länger als eine halbe Stunde nach offiziellem Ende auf der Plattform, um mit uns zu reden und mehr zu Machine Learning und dessen Einsatz in der Praxis zu erfahren.

Fazit

Die Studenten konnten in diesem Workshop einen praktischen Einblick in Machine Learning bekommen. Wir wollten uns nicht auf bloße Theorie beschränken, davon gibt es in Vorlesungen und YouTube-Videos genug. Stattdessen dienten die Vorträge nur dazu, den Studenten das Rüstzeug für die Übungen mitzugeben, und sie dann praktisch damit arbeiten zu lassen. Das kam sehr gut an. Wir haben von zahlreichen Studenten Feedback bekommen und zusätzlich bestätigt hat uns auch, dass wir den Workshop an der HBRS nach Januar 2020 nun direkt hintereinander zum zweiten und dritten Mal gehalten haben. Insbesondere freuen wir uns, dass wir bereits mit einigen Studenten im Austausch sind, die sich für eine Festanstellung oder eine Anstellung als Werkstudent interessieren. Einige wollen auch ihre Abschlussarbeit bei uns schreiben.