Im Modul Maschinelles Lernen in der Logistik (Master, 3. Semester) wurden Jupyter Notebooks an der TUHH eingesetzt, um große Datenmengen zu visualisieren, zu bereinigen und auszuwerten. Gerade im Bereich der Logistik fallen verschiedenste Arten von Daten an, darunter zeitbehaftete Daten, raumzeitliche Daten sowie Bilder. Zeitbehaftete Daten sind z. B. Verkehrsdaten, die auf eine verspätete Lieferung hindeuten, raumzeitliche Daten sind bspw. die Schiffsbewegungen einer (in Zukunft vielleicht autonomen) Containerschiff-Flotte. Die automatische Verkehrszeichenerkennung beim Autofahren spielt schon heute eine große Rolle. Aufgrund dieser Vielfalt eignen sich Jupyter Notebooks, denn sie verfügen über eine große Auswahl von bewährten Bibliotheken, mit denen man diese Daten darstellen kann.

Ein großer Vorteil von Jupyter Notebooks ist, dass Studierende komplexe Aufgaben bewältigen können, auch wenn sie keine oder nur geringe Programmierkenntnisse mitbringen. Dafür bekommen die Studierenden ein vorgefertigtes Jupyter Notebook bereitgestellt. Dieses enthält Aufgaben, in denen Code-Zeilen ergänzt oder überarbeitet werden müssen. Ihre Antworten und Lösungswege dokumentieren sie ebenfalls.

Die Jupyter Notebooks können in den Übungen eingesetzt werden. Es sollte dabei aber überlegt werden, diese konsequenterweise auch in der Prüfung einzusetzen, damit das Lehr-Lerngeschehen und die Prüfung aufeinander abgestimmt sind.