LU02.A01 - Fallstudie Machine Learning

1. Grundverständnis für Machine Learning entwickeln.
2. Geziehlt ML Strategien einsetzen können.

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

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

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.

**4. **Welche der oben genannten Merkmale sind numerisch, welche kategorisch?

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

**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.

LU02.L01

Volkan Demir