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.
