====== LU02.A01 - Fallstudie Machine Learning ======

===== Lernziele =====
  - Grundverständnis für Machine Learning entwickeln.
  - Geziehlt ML Strategien einsetzen können.

===== Rahmenbedingungen =====
  * Sozialform: Partnerarbeit
  * Zeitbudget: 20 Minuten
  * Erwartetes Ergebnis: Beantwortung der Fragen/Aufgabenstellung im nachvollziehbaren Schritten. 

===== Ausgangslage =====
Ein Online-Shop möchte vorhersagen, ob ein Kunde ein Produkt kaufen wird oder nicht. Ihnen stehen folgende Merkmale (Features) zur Verfügung:

  * Alter des Kunden
  * Anzahl der bisherigen Einkäufe
  * Zeit (in Minuten), die der Kunde auf der Produktseite verbracht hat
  * Kaufentscheidung (Ja/Nein) ← Zielvariable

===== Auftrag A: Grundlagen/Theorie =====

**1.** Erkläre Sie kurz den Unterschied zwischen
    * Supervised Learning und
    * Unsupervised Learning.
**2.** Handelt es sich bei diesem Problem um (mit Begründung)
    * Klassifikation oder
    * Regression?
**3. ** Nenne Sie zwei typische Algorithmen, die für dieses Problem geeignet wären, und begründen Sie jeweils in einem Satz.

===== Auftrag B: Datenverständnis  =====
**4. **Welche der oben genannten Merkmale sind numerisch, welche kategorisch?

**5. **Warum ist es problematisch, die Zielvariable als Feature zu verwenden?

===== Auftrag C: Praxisdenken =====

**6. **Beschreiben Sie in 4–5 Schritten den typischen Ablauf eines Machine-Learning-Projekts (von Daten bis Modellbewertung).

**7. **Nennen Sie zwei Risiken, die auftreten können, wenn:
  * zu wenige Trainingsdaten vorhanden sind
  * das Modell zu gut auf die Trainingsdaten passt

**8.** Was ist //Overfitting// – erklären Sie so, dass es auch jemand versteht, der glaubt, KI sei Bewusstsein.

===== Lösung =====
[[de:modul:m245:learningunits:lu02:loesungen:l01|LU02.L01]]

----
[[https://creativecommons.org/licenses/by-nc-sa/4.0/|{{https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png}}]] Volkan Demir