Übungsaufgaben zu den Grundlagen des maschinellen Lernens

Kopiere den Text in ein KI-Sprachmodell Deiner Wahl und passe Kompetenzstufe, Anzahl, Bearbeitungszeit und Szenario bei Bedarf an. Wie die Aufgaben aufgebaut sind, beschreibt der Artikel Wie sind die Aufgaben aufgebaut?. Prüfe die Ergebnisse mit dem Lehrartikel: KI-Sprachmodelle machen Fehler.

Erstelle neue Übungsaufgaben zum Thema „Grundlagen des maschinellen
Lernens“.

Bauplan: Halte Dich an Aufbau, Kompetenzstufen, Operatoren,
Anforderungsbereiche, Punkte und Zeitschätzung, die im Artikel
https://oer-informatik.de/aufgaben-aufbau beschrieben sind.

Fachliche Grundlage:
- https://oer-informatik.de/maschinelles-lernen
- https://oer-informatik.de/ki-einsatz
- https://oer-informatik.de/datenqualitaet-import
- Stilbeispiel: https://oer-informatik.de/maschinelles-lernen-uebungsaufgaben

Die Aufgaben sollen Inhalte zu diesen Schlagwörtern abdecken:
- Maschinelles Lernen
- überwachtes Lernen
- Klassifikation
- Feature
- Label
- Trainingsdaten
- Testdaten
- Overfitting
- Underfitting
- CRISP-DM

Kompetenzstufe: Profilkompetenz (alternativ: Basiskompetenz, Kernkompetenz, Expertise)
Anzahl: 1 Aufgabe mit Teilaufgaben
Bearbeitungszeit in Minuten ca.: <5 bis 30 min>
Szenario: eines der Szenarien aus dem Bauplan

Vorgehen:
1. Lies zuerst die verlinkten Artikel. Kannst Du keine Webseiten
   abrufen, sag mir das, statt zu raten.
2. Steht bei einer Angabe noch ein Platzhalter in <…>, frag mich
   zuerst danach. Richte Punkte und Zahl der Teilaufgaben nach der
   Bearbeitungszeit (ca. 0,9 min je Punkt).
3. Gib je Aufgabe Titel mit Kompetenzstufe, Ausgangssituation und
   Teilaufgaben mit Operator und Punktzahl aus, dazu die geschätzte
   Bearbeitungszeit.
4. Gib die Beispiellösungen mit Punkteverteilung erst aus, wenn ich
   danach frage.

Je Funktion 1 P, Skizze 1 P:

• Hilfe-Chat: künstliche Intelligenz, aber kein maschinelles Lernen. Er wirkt „verständig“, seine Regeln (Schlüsselwort → Antwort) hat aber das Support-Team geschrieben; nichts davon wurde aus Daten abgeleitet.
• Entscheidungsbaum: maschinelles Lernen. Seine Verzweigungen hat der Lernalgorithmus aus den beschrifteten Teilnahmen bestimmt. Ein Baum ist aber kein tief gestaffeltes neuronales Netz, also kein Deep Learning.
• Bildprüfung: Deep Learning. Das Modell ist ein vielschichtiges Netz, das aus den Bildpunkten selbst die Merkmale bildet, an denen es unzulässige Inhalte erkennt.
• Skizze: drei ineinanderliegende Kreise, außen KI, darin maschinelles Lernen, ganz innen Deep Learning. Jeder innere Begriff gehört vollständig zum äußeren, aber nicht umgekehrt.

• Die Teilnahmedaten bilden überwiegend eine Tabelle mit wenigen, bereits aussagekräftigen Spalten (Alter, Entfernung, Vorlauf …). Es müssen keine Merkmale erst aus Rohdaten wie Bildpunkten gewonnen werden, und genau darin liegt die Stärke tiefer Netze (1 P).
• Ein einfacheres Lernverfahren wie ein Entscheidungsbaum braucht weniger Rechenleistung und bleibt nachvollziehbar: Das Team kann erklären, warum jemand eine Erinnerung bekommt (1 P).
• Fazit (1 P): Für den Start ist Deep Learning nicht nötig. Es käme allenfalls infrage, wenn z. B. die Profiltexte ausgewertet werden sollen, und müsste dann zeigen, dass es deutlich besser vorhersagt als das einfache Modell.

Bewertung: Verwendung je Spalte 0,5 P (2,5 P), Datenart von Alter, Hobbys und Profiltext je 0,5 P (1,5 P), sinnvolle Aufbereitung mit Begründung für drei Spalten je 1 P (3 P).

• Überwachtes Lernen (1 P), weil für alle vergangenen Teilnahmen bekannt ist, ob die Person erschienen ist: Jeder Datensatz trägt die richtige Antwort als Etikett (1 P). Das Verfahren macht für die Trainingsbeispiele Vorhersagen, misst den Fehler gegenüber dem Etikett und verändert seine Parameter so, dass der Fehler sinkt (1 P).
• Klassifikation (1 P), weil eine von zwei bekannten Klassen (erscheint / erscheint nicht) vorhergesagt wird, keine Zahl.
• Unüberwachtes Lernen: Die Datensätze haben kein Etikett; das Verfahren sucht nur nach Ähnlichkeiten zwischen ihnen (1 P). Beispiel: Nutzende anhand ihrer Hobbys und Aktivitäten in Interessengruppen einteilen (Clustering), um passende Aktivitäten vorzuschlagen, oder auffällige Konten (z. B. Spam) als Ausreißer erkennen (1 P).

Sortiert (1 P): 18, 20, 21, 22, 27 | 30, 31, 34, 38, 39 | 44, 49, 56, 63, 71

Jede Klasse erhält fünf Personen. Die Grenzen liegen in den Lücken zwischen 27 und 30 sowie zwischen 39 und 44, z. B. (2 P):

• Klasse 1: bis 28 Jahre (5 Personen),
• Klasse 2: 29 bis 41 Jahre (5 Personen),
• Klasse 3: ab 42 Jahre (5 Personen).

Andere Grenzen innerhalb der Lücken (z. B. 29 und 40) sind ebenso richtig. Solche Klassen heißen gleich stark besetzt; ihre Grenzen sind die Quantile der Stichprobe (bei drei Klassen die Terzile).

• Vorteil gleich stark besetzter Klassen (1 P): Jede Klasse enthält genug Datensätze, sodass der Entscheidungsbaum Unterschiede im Ausfallverhalten zwischen den Klassen überhaupt erkennen kann.
• Vorteil der Lebensabschnitte (1 P): Die Grenzen haben eine feste, erklärbare Bedeutung (z. B. Minderjährige, die in der App nur bestimmte Aktivitäten sehen) und hängen nicht von der zufälligen Stichprobe ab.
• Schwäche (2 P): In der Stichprobe liegen 0 Personen unter 18, 14 Personen zwischen 18 und 64 und eine Person ab 65. Fast alle landen in derselben Klasse, das Alter wird für das Modell praktisch zu einer Konstanten. Fallen z. B. die 18- bis 22-Jährigen häufiger aus als die 30- bis 40-Jährigen, kann der Baum diesen Zusammenhang nicht mehr sehen, obwohl er in den Rohdaten steckt. Die Klassengrenzen bestimmen also mit, welche Zusammenhänge das Modell finden kann.

• Aktivitätsart und Wochentag sind Kategorien und müssen in Zahlen umgewandelt werden, damit Abstände berechnet werden können (1 P). Da sie keine natürliche Reihenfolge haben (Wandern ist nicht „größer“ als Fußball), erhält jede Ausprägung eine eigene Spalte mit 0 oder 1 (One-Hot-Kodierung); eine einfache Nummerierung würde eine Reihenfolge vortäuschen (1 P). Beim Wochentag ist alternativ „Wochenende ja/nein“ sinnvoll.
• Entfernung (0 bis etwa 40 km) und bisherige Teilnahmen (0 bis über 100) haben unterschiedliche Größenordnungen; das Merkmal mit den größeren Zahlen würde den Abstand dominieren (1 P). Deshalb werden alle Merkmale auf einen gemeinsamen Bereich gebracht, z. B. 0 bis 1 mit x_{neu} = \frac{x - x_{min}}{x_{max} - x_{min}} (1 P).

Zwei der folgenden, je 1 P:

• Datenminimierung: nur die Merkmale verwenden, die für die Prognose nötig sind (z. B. Profiltext weglassen),
• Pseudonymisierung der Trainingsdaten (keine Namen, keine Benutzer-ID im Trainingsbestand),
• Zweck festlegen und in der Datenschutzerklärung informieren; Rechtsgrundlage prüfen,
• Löschfristen auch für Trainingsdaten (gelöschte Konten nach Ablauf der Frist nicht mehr verwenden),
• keine automatisierte Entscheidung mit spürbarer Wirkung ohne menschliche Prüfung (die Prognose löst nur eine Erinnerung aus, keine Sperre).

• Die beiden Klassen liegen über die ganze Fläche verteilt durcheinander. Entfernung und Vorlauf enthalten also kaum Information darüber, wer erscheint; was nicht in den Merkmalen steckt, kann auch ein großes Netz nicht herausholen (1 P).
• Ein sehr flexibles Modell würde stattdessen die zufällige Lage der Trainingspunkte nachbilden: gute Werte auf den Trainingsdaten, auf neuen Daten kaum besser als Raten (Overfitting) (1 P).
• Besser (1 P): weitere Merkmale untersuchen, die mit dem Erscheinen zusammenhängen könnten (z. B. bisherige Teilnahmen oder frühere Ausfälle der Person, Aktivitätsart), ihren Zusammenhang zuerst mit Diagrammen prüfen und ein einfaches Modell als Vergleichsbasis trainieren.

• Für die Regel spricht: Sie ist sofort umsetzbar, nachvollziehbar, braucht keine Trainingsdaten und ist leicht zu erklären (1 P).
• Dagegen spricht: Sie berücksichtigt nur zwei Merkmale mit willkürlichen Grenzen; das Zusammenwirken vieler Merkmale (bisherige Teilnahmen, Aktivitätsart, Wochentag) bildet sie nicht ab, und laut Streudiagramm trennen gerade diese beiden Merkmale schlecht (1 P).
• Fazit (1 P): Da über 50.000 beschriftete Teilnahmen vorliegen und eine Fehlprognose nur eine überflüssige Erinnerung auslöst, lohnt sich ein lernendes Modell. Die Regel kann als einfache Vergleichsbasis dienen: Das Modell muss besser sein als sie. Eine begründete andere Stellungnahme ist ebenfalls richtig.

Je Tätigkeit 0,5 P: 1 Business Understanding, 2 Data Understanding, 3 Data Preparation, 4 Modeling, 5 Evaluation, 6 Deployment.

Rücksprung (1 P): Wird das Ziel verfehlt, geht es nach der Evaluation zurück zum Business Understanding. Ziel, Datengrundlage und Vorgehen werden überprüft, und ein neuer Durchlauf beginnt, z. B. mit zusätzlichen Daten aus der Größenberatung.

• Ein Teil der Daten wird als Testdaten zurückgehalten, um das Ergebnis des Lernens zu überprüfen (1 P). Nur Daten, die das Modell beim Training nicht gesehen hat, zeigen, wie gut es neue Bestellungen beurteilt; mit den Trainingsdaten selbst würde man nur das „Auswendiglernen“ messen (1 P).
• Vorschlag (2 P): etwa 80 % Trainingsdaten (rund 14.700 Positionen) und 20 % Testdaten (rund 3.700). Weil das Modell künftige Bestellungen vorhersagen soll und sich Sortiment und Kaufverhalten ändern, werden die ältesten Positionen (2024 bis Anfang 2026) zum Training und die neuesten Monate zum Test genutzt. Alternativ ist eine zufällige Aufteilung möglich, wenn darauf geachtet wird, dass alle Jahreszeiten und Artikelgruppen in beiden Teilen vorkommen. Sollen mehrere Modellvarianten verglichen werden, wird aus den Trainingsdaten zusätzlich ein Teil als Validierungsdaten abgetrennt.

Je Fehler 2 P (Fehler mit Begründung 1 P, Korrektur 1 P):

• Schritt 2, Skalierung mit allen Daten: Minimum und Maximum stammen auch aus den Testdaten. Damit steckt Wissen über die Testdaten schon im Training (Data Leakage), und der Test ist nicht mehr unabhängig. Richtig: erst aufteilen, Minimum und Maximum nur aus den Trainingsdaten bestimmen und mit diesen Werten auch die Testdaten umrechnen. Schritt 1 darf dagegen vor dem Aufteilen stehen, denn dabei wird nichts aus den Daten gelernt.
• Schritt 4, Auswahl an den Testdaten: Wer aus zwölf Bäumen den auswählt, der auf den Testdaten am besten abschneidet, hat die Testdaten zum Auswählen benutzt. Der beste von zwölf ist auch zufällig gut auf genau diesen Daten; sein Testergebnis überschätzt die Güte bei neuen Bestellungen. Richtig: einen Teil der Trainingsdaten als Validierungsdaten abtrennen, die Bäume daran vergleichen und nur den ausgewählten Baum einmal mit den Testdaten prüfen.
• Schritt 5, Kennzahl nachträglich gewählt: Die Kennzahl wurde ausgesucht, als das Ergebnis schon feststand, nämlich die, bei der das Modell am besten aussieht. Sie sagt hier außerdem wenig: Bei rund 20 % Rücksendungen erreicht schon ein „Modell“, das immer „keine Rücksendung“ vorhersagt, etwa 80 % richtige Vorhersagen, ohne eine einzige Rücksendung zu finden. Ob die 91 % viele Rücksendungen erkennen, bleibt offen. Richtig: vor dem Training festlegen, woran gemessen wird, z. B. am Anteil gefundener Rücksendungen und am Anteil berechtigter Hinweise, jeweils mit einem Mindestwert aus dem Projektziel.

Die zufällige Aufteilung in Schritt 3 ist vertretbar (siehe b); eine Aufteilung nach Zeit wäre ebenfalls richtig, zählt aber nicht als einer der drei Fehler.

Weiterverfolgt wird der Baum mit höchstens 5 Ebenen: Auf den Validierungsdaten sagt er 87,6 % richtig vorher, der unbegrenzte Baum nur 80,9 % (1 P). Der unbegrenzte Baum trifft die Trainingsdaten fast vollständig (99,4 %), verliert bei unbekannten Daten aber 18,5 Prozentpunkte und ist kaum besser als die Vorhersage „nie Rücksendung“. Er hat sich die einzelnen Trainingsbestellungen samt ihrer Zufälle gemerkt, statt die allgemeinen Zusammenhänge zu lernen; das ist Overfitting (1 P). Beim begrenzten Baum liegen Training (88,7 %) und Validierung (87,6 %) nah beieinander: Was er gelernt hat, gilt auch für neue Bestellungen (1 P).

Ursachen, je 1 P: zu komplexes Modell (hier: Baum ohne Tiefenbegrenzung mit einem Blatt für fast jeden Datensatz); zu wenige Trainingsdaten im Verhältnis zur Zahl der Merkmale bzw. für einzelne Artikelgruppen; nicht repräsentative Trainingsdaten; zu viele unwichtige Merkmale.

Gegenmaßnahmen, je 1 P: Modell vereinfachen (Baumtiefe begrenzen, Mindestanzahl Datensätze je Blatt); mehr und vielfältigere Trainingsdaten; unwichtige Merkmale weglassen; Varianten mit Validierungsdaten vergleichen, statt sie an den Testdaten auszurichten.

• Underfitting: Das Modell ist zu einfach, um den eigentlichen Zusammenhang in den Daten abzubilden (1 P).
• Erkennbar daran, dass die Ergebnisse schon auf den Trainingsdaten schlecht sind und auf den Testdaten ebenso (kein großer Abstand, aber beide niedrig) (1 P).
• Abhilfe: ein flexibleres (komplexeres) Modell wählen oder zusätzliche aussagekräftige Merkmale aufnehmen (1 P).

Je 0,5 P: Sophie Bertram – Interpretierbarkeit; Cem Sarıkaya – Effizienz (Dauer der Vorhersage); Bastian Ludwig – Robustheit gegenüber fehlerhaften Eingaben; Mira Engel – Fairness (eine seltene Kundengruppe wird benachteiligt, weil sie in den Trainingsdaten kaum vorkommt).

Beispiel Interpretierbarkeit: Ein kleiner Entscheidungsbaum mit wenigen Ebenen lässt sich dem Kundenservice erklären; ein großes neuronales Netz oder viele kombinierte Bäume treffen vielleicht öfter, sind aber kaum nachvollziehbar (1 P). Das Team muss abwägen und nimmt z. B. ein paar Prozentpunkte weniger Treffer in Kauf, um jeden Hinweis begründen zu können (1 P).

Ebenfalls richtig: Effizienz (ein größeres, genaueres Modell rechnet länger) oder Fairness (ein auf die große Mehrheit optimiertes Modell hat insgesamt viele Treffer, benachteiligt aber seltene Gruppen; der Ausgleich kann die Gesamtquote etwas senken).

• Die Trainingsdaten sind für Händler- und Behördenbestellungen nicht repräsentativ: Diese bestellen andere Mengen und Artikel, haben andere Rückgaberegeln und Gründe (1 P).
• Das Modell hat diese Fälle nie gesehen; seine Vorhersagen dafür sind unzuverlässig und können systematisch falsch sein (1 P).
• Fazit (1 P): Das Modell nur für Privatkundschaft einsetzen. Soll es auch Händlerbestellungen beurteilen, müssen deren Daten gesammelt, aufbereitet und das Modell neu trainiert und getestet werden (in CRISP-DM zurück zu Business und Data Understanding).