de:modul:m245:learningunits:lu01:05

Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

Link zu dieser Vergleichsansicht

Beide Seiten der vorigen Revision Vorhergehende Überarbeitung
Nächste Überarbeitung		 Vorhergehende Überarbeitung
de:modul:m245:learningunits:lu01:05 [2026/04/30 10:43] – [LB3.2 - Produkt und Pitch] vdemirde:modul:m245:learningunits:lu01:05 [2026/05/27 11:25] (aktuell) – vdemir
Zeile 1: Zeile 1:
-====== LU01e - LB3: Offene Challenge - TBD ======+====== LU01e - LB3.1: Offene Competition ======
  
 ===== Lernziele ===== ===== Lernziele =====
Zeile 8: Zeile 8:
 Die letzte Leistungsbeurteilung in diesem Modul besteht aus 2 Teilen. Einem Produkt-Teil und einem Präsentationspitch-Teil. D.h. Sie "entwickeln" ein Produkt und versuchen Geldgeber für Ihre Innovation zu überzeugen in Ihre Innovation zu investieren. Die letzte Leistungsbeurteilung in diesem Modul besteht aus 2 Teilen. Einem Produkt-Teil und einem Präsentationspitch-Teil. D.h. Sie "entwickeln" ein Produkt und versuchen Geldgeber für Ihre Innovation zu überzeugen in Ihre Innovation zu investieren.
  
-==== LB3.1 - Offene Kaggle Competition ====+===== LB3.1 - Offene Kaggle Competition =====
 Wählen Sie ein offene Challenge aus der Liste Kaggle aus und erstellen ein Modell, mit dem Ziel ein möglichst gutes Modell für eine Vorhersage zu erstellen. Die Bewertung finden Sie unten (identisch zu Titanic Competition). Wählen Sie ein offene Challenge aus der Liste Kaggle aus und erstellen ein Modell, mit dem Ziel ein möglichst gutes Modell für eine Vorhersage zu erstellen. Die Bewertung finden Sie unten (identisch zu Titanic Competition).
  
-==== LB3.2 - Produkt und Pitch - TBD ==== +===== Bewertung LB3.1  =====
-Der zweite Teil der LB3 besteht dariun zu Ihrer Innovation (Vorhersagemodell) einen passenden Prototypen zu erstellen und diesen vor potentiellen Investoren präsentieren zu wollen. Dazu muss Ihr Pitch als Bewerungsvideo eingereicht werden. +
  
-Die Bewertung zur LB3.2 finden Sie unten. +^ Note ^ Score best 1.0       ^ Score best 0.0 ^Beschreibung ^ 
 +^ 6.0 | >0.82     | <0.1      |Herausragendes Feature Engineering. Komplexe Muster wie Familienstrukturen oder Deck-Informationen erfolgreich genutzt.|  
 +^ 5.5 | 0.80-0.82 | 0.1-0.15  |Ein sehr starkes Modell. Es wurden Wahrscheinlich Ensembling oder fortgeschrittene Imputationstechniken verwendet.| 
 +^ 5.0 | 0.78-0.79 | 0.16-0.22 |Solide Leistung. Die wichtigsten Features (Geschlecht, Alter, Klasse) wurden korrekt verarbeitet und ein Standard-Classifier (z.B. Random Forest) gut getuned.| 
 +^ 4.5 | 0.76-0.77 | 0.23-0.29 |Ein guter Anfang. Das Modell schlägt den "Gender Only"-Baseline-Score (ca. 0.765) knapp.| 
 +^ 4.0 | 0.75-0.76 | 0.30-0.35 |Liegt im Bereich der "Gender-Baseline". Das bedeutet das Modell hat das Grundmuster (Frauen überleben eher) erkannt, aber noch keine tiefen Insights generiert.| 
 +^ 3.0 | 0.70-0.74 | 0.36-0.50 |Das Modell ist kaum besser als eine einfache Heuristik. Es gibt wahrscheinlich Probleme beim Data Cleaning oder Overfitting.| 
 +^ 2.0 | 0.60-0.69 | 0.51-0.70 |Das Modell lernt nur sehr wenig aus den Daten. Wichtige Korrelationen wurden übersehen.| 
 +^ 1.0 | <0.60     | >0.70     | Ein Score in diesem Bereich deutet darauf hin, dass das Modell schlechter als ein einfacher Zufallstipp ist oder die Daten falsch aufbereitet wurden.|
  
-**Funfacts:**  
-  * Es gibt bis zu 0.3 Bonus-Notenfunkte zu gewinnen. 
-  * Das Bewertungsteam wird voraussichtlich aus 4 Löwinnen und Löwen bestehen. 
  
-===== Bewertung LB3.1 ===== 
-^Note ^ Score ^Beschreibung ^ 
-^6.0 ^ >0.82 |Herausragendes Feature Engineering. Komplexe Muster wie Familienstrukturen oder Deck-Informationen erfolgreich genutzt.|  
-^5.5 ^ 0.80-0.82 |Ein sehr starkes Modell. Es wurden Wahrscheinlich Ensembling oder fortgeschrittene Imputationstechniken verwendet.| 
-^5.0 ^ 0.78-0.79 |Solide Leistung. Die wichtigsten Features (Geschlecht, Alter, Klasse) wurden korrekt verarbeitet und ein Standard-Classifier (z.B. Random Forest) gut getuned.| 
-^4.5 ^ 0.76-0.77 |Ein guter Anfang. Das Modell schlägt den "Gender Only"-Baseline-Score (ca. 0.765) knapp.| 
-^4.0 ^ 0.75-0.76 |Liegt im Bereich der "Gender-Baseline". Das bedeutet das Modell hat das Grundmuster (Frauen überleben eher) erkannt, aber noch keine tiefen Insights generiert.| 
-^3.0 ^ 0.70-0.74 |Das Modell ist kaum besser als eine einfache Heuristik. Es gibt wahrscheinlich Probleme beim Data Cleaning oder Overfitting.| 
-^2.0 ^ 0.60-0.69 |Das Modell lernt nur sehr wenig aus den Daten. Wichtige Korrelationen wurden übersehen.| 
-^1.0 ^ <0.60 | Ein Score in diesem Bereich deutet darauf hin, dass das Modell schlechter als ein einfacher Zufallstipp ist oder die Daten falsch aufbereitet wurden.| 
- 
- 
-===== Bewertung LB3.2 - TBD ===== 
-  * Erstellen Sie einen Video-Pitch für die Höhle des Löwen und laden Sie diesen als Bewerbungsvideo hoch (Link zu oneDrive).  
-  * Aus allen Video-Pitch-Produkten wird die besten 3 Produkte auswählt und kommen dann in die Endausscheidung mit //Preisgeld// in Form von Noten-Bonus-Punkten. 
-  * Bonuspunkte 
-    * 3. Platz: +0.1 Notenpunkt auf die gesamte LB3  
-    * 2. Platz: +0.2 Notenpunkte auf die gesamte LB3 
-    * 1. Platz: +0.3 Notenpunkte auf die gesamte LB3 
  
 ---- ----
 [[https://creativecommons.org/licenses/by-nc-sa/4.0/|{{https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png}}]] Volkan Demir [[https://creativecommons.org/licenses/by-nc-sa/4.0/|{{https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png}}]] Volkan Demir
  
  • de/modul/m245/learningunits/lu01/05.1777538615.txt.gz
  • Zuletzt geändert: 2026/04/30 10:43
  • von vdemir