BBDC Basic:
Kommen Sie vorbei & erleben Sie Big Data!
Der Basic Track richtet sich an Gymnasiasten. In dem Datenanalyse-Wettbewerb der Cognitive Systems Lab (CSL), Zentrum für angewandte Raumfahrttechnologie und Mikrogravitation (ZARM) und dem Fraunhofer-Institut für digitale Medizin (MEVIS) der Universität Bremen messen sich Teilnehmende um Preisgelder bis 2.000 Euro, und attraktive Sachpreise.
Hauptverantwortlichkeit: Hui Liu (hui.liu@uni-bremen.de)
ZARM-Track: Ina Barwich (ina.barwich@zarm.uni-bremen.de)
MEVIS-Track: Anna Rörich (anna.roerich@mevis.fraunhofer.de)
Techniche Unterstützung: Jordan Behrendt, Matthew White, Anthony Mendil, Lourenco Rodriguez, Arthur Belousov
Supervisor(s): Tanja Schultz und Heinz Brandt
Finanzielle Unterstützung: Stiftung Bremer Wertpapierbörse
Galerie: BBDC und BBDC Basic
MEVIS-Track Challenge
Begrüßung:
Die Zukunft der Medizin ist digital, und das ist auch wichtig! Ärzt:innen werden in ihrem Arbeitsalltag mit einer Flut von Daten konfrontiert aus denen sie eine Diagnose, eine Behandlungsplanung und eine individuelle Prognose für ihre Patent:innen ableiten müssen. Um mit dieser Datenmenge besser umgehen zu können, kann KI helfen. Die Aufgabe des MEVIS zeigt anhand des Krankheitsbilds „Herzinfakt“, wie eine KI dabei hilft die Daten zu verarbeiten und die Arbeit der Ärtz:innen erleichtert. Aber auch die Grenzen der Vorhersagen und Prognosen sollen gut überlegt werden.
Abgabefristen:
- MEVIS-Challenge Part 1 : 06.11.2024
- MEVIS-Challenge Part 2 : 19.01.2025
Aufgabenstellung:
- Lade die Daten aus der csv.-Datei und analysiere diese. Dabei wird dir auffallen, dass einige Datensätze unvollständig sind. Eine KI kann aber nur auf vollständigen Daten trainiert werden. Wie gehst du mit fehlenden Informationen um?
- Definiere einen geeigneten Train/Validation Split.
- Challenge Part 1: Trainiere einen Zufallswald (random forest) zur Vorhersage, ob irgendeine Komplikation nach dem Herzinfarkt auftreten wird. Dabei soll noch nicht unterschieden werden, welche Komplikation das ist. Du darfst dabei bestehende Routinen aus frei verfügbaren python-Packages verwenden.
- Challenge Part 2:Trainiere einen Zufallswald (random forest) oder ein beliebiges anders frei verfügbares KI-Modell zur Vorhersage der verschiedenen Komplikationen. Hierbei soll nun explizit ausgegeben werden, welche Komplikation oder Komplikationen auftreten.
Challenge deine KI ! – Das Testen:
- Speichere die Vorhersagen deiner KI für den Validierungsdatensatz als csv.-Datei unter dem Namen „Prognosen.csv“. Dabei soll jede Zeile für einen Patienten/eine Patientin und die Spalten für eine bestimmte Komplikation stehen. Tritt eine Komplikation auf, soll in der entsprechenden Spalte eine 1 eingetragen werden, analog zu den gegebenen Trainings- und Testdaten. Die erste Zeile der csv.-Datei soll die Spaltennamen enthalten. Ein Beispiel ist in der Datei „Beispiel-Ergebnisse.csv“ zu finden.
- Lade deine Datei „Prognosen.csv“ hier hoch und bekomme deinen Score. Der maximale Score liegt bei 1.0, das Minimum bei 0.0. Er gibt prozentual an, für wie viele der Patient:innen deine Prognose richtig ist.
- Du bist nicht zufrieden mit deinem Ergebnis oder andere sind noch besser? Dann tune deine KI und versuche es erneut!
Hinweise (Bitte Beachten):
- Challenge Part 1: Zur Auswertung von Part 1 wird lediglich die letzte Spalte deiner eingereichten Ergebnistabelle verwendet. Alle anderen Spalten dürfen hier also leer bleiben.
- Challenge Part 2: Zur Auswertung von Part 2 werden alle Spalten deiner eingereichten Ergebnistabelle verwendet. Die letzte Spalte ist hier also auch entsprechend eurer Vorhersagen auszufüllen.
Leaderboard: BBDC Basic MEVIS-Track Part 1
Leaderboard: BBDC Basic MEVIS-Track Part 2
ZARM-Track Challenge
Begrüßung:
Menschen auf den Mars zu schicken und unseren roten Nachbarplaneten zu erkunden ist ein lang gehegter Traum der Raumfahrt. Der Mars unterscheidet sich aber in vielerlei Hinsicht von unserer Erde. Die fehlende Atmosphäre, kein flüssiges Wasser und eine hohe Strahlenbelastung machen es aktuell noch unmöglich eine Crew auf die Reise zu schicken. Daher nutzt man Marsrover, aber auch die stehen auf der Marsoberfläche ohne direkte Eingriffsmöglichkeiten von der Erde vor zahlreichen Herausforderungen. Wenn in einigen Jahren die ersten Menschen den Mars betreten kommen weitere Schwierigkeiten hinzu. Eine davon sind viele fehlenden Ressourcen, die von der Erde mitgebracht und sorgfältig auf dem Mars genutzt und recycelt werden müssen.
Um dieser Bandbereite an Problemstellungen einer Marsmission (mit Menschen oder ohne) gerecht zu werden, bietet das ZARM für die Challenge 2024/25 zwei Aufgaben an.
Aufgabenstellung:
Aufgabe 1 – Stressstress Mars:
Konstruiert mittels eines CAD Programms einen kleinen Rover (max. 30cm lang/breit/hoch) der in der Lage ist folgende Aufgaben zu bewältigen
- Bewältigen einer Steigung von 5%, 10% und 15% sowohl hoch als auch runter
- Fahren trotz Gegen- und Seitenwind
- Fahren auf glattem Boden, Sand und Kies
- Fahren mit einer Ladung (100g, 300g und 500g)
Als Antrieb erhaltet ihr zum Kick Off die Motoren und den Brick von Lego Spike Prime.
Dokumentiert euren Arbeitsprozess und stellt dar wie ihr bei der Lösungsfindung vorgegangen seid.
Aufgabe 2 – Lebenserhaltungssystem:
Baut ein Wasserrecyclingsystem, was in der Lage ist eine vom ZARM vorgegebene Flüssigkeit so gut wie möglich zu reinigen und wieder nutzbar zu machen.
- Erstellt eine Projektskizze. Was für Verschmutzungen sind im Wasser? Wie kann man diese entfernen? In welcher Reihenfolge sollte das Recycling stattfinden? Was brauchen wir für Materialien?
- Macht erste Tests zuhause oder in der Schule und erstellt eine Materialliste mit allem was ihr braucht. Schickt diese bis zum 17.11.2024 an Challenge@zarm.uni-bremen.de. Die Materialliste sollte alle Gegenstände, Materialien und Chemikalien enthalten, die ihr benötigt.
- Baut das Recyclingsystem gemeinsam mit dem ZARM im Labor auf und testet eure Idee aus.
- Dokumentiert euren Arbeitsprozess und stellt dar wie ihr bei der Lösungsfindung vorgegangen seid.
Abgabefristen:
- Finaler Parkour: 10.01.2025
- Finaler Labortest: 16.01.2025
- Finale Abgabe ist für beide Aufgaben der 19.01.2025.