# Woche 5 - Einführung in das maschinelle Lernen

### Diese Woche werden wir...

folgende Themen behandeln:

* Charakteristika des maschinellen Lernens
* Definition der linearen Regression
* Kostenfunktionen
* Optimierungsfunktionen

### Lernressourcen

{% file src="/files/odTKTbDgzMR6hEkfeuOF" %}

{% file src="/files/FhQoE0mTGwKexN4FcQDB" %}

* [DataCamp Tutorial](https://www.datacamp.com/tutorial/essentials-linear-regression-python) zur Linearen Regression<br>
* [Link zum Template Repository](https://github.com/opencampus-sh/repo-template-intro-to-data-science-and-ml/tree/main)

### Bis zur nächsten Woche solltet Ihr...

* [x] Schaut die ersten drei Videos des Abschnitts „The problem of overfitting[“](https://www.coursera.org/learn/machine-learning/lecture/erGPe/the-problem-of-overfitting) von Woche 3 des Kurses Supervised Machine Learning: Regression and Classification auf Coursera:\
  \- [The Problem of Overfitting](https://www.coursera.org/learn/machine-learning/lecture/erGPe/the-problem-of-overfitting) (12 Minuten)\
  \- [Adressing Overfitting](https://www.coursera.org/learn/machine-learning/lecture/HvDkF/addressing-overfitting) (8 Minuten)\
  \- [Cost Function with Regularization](https://www.coursera.org/learn/machine-learning/lecture/UZTPk/cost-function-with-regularization) (9 Minuten)<br>
* [x] einen Account bei [Kaggle](https://www.kaggle.com/) erstellen.
* [x] Euren Datensatz weiter um zusätzliche Variablen ergänzen, die für die Schätzung des Umsatzes relevant sein könnten.
* [x] Euren Datensatz teilen in einen Trainingsdatensatz vom 01.07.2013 bis 31.07.2017 und einen Validierungsdatensatz vom 01.08.2017 bis 31.07.2018.
* [x] eine lineare Modellgleichung aufstellen, die das adjustierte R² für Euren Trainingsdatensatz maximiert.
* [x] im Verzeichnis „Baseline Model" Eures Team Repositories die Berechnung für die lineare Regression dokumentieren.<br>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://opencampus.gitbook.io/opencampus-machine-learning-program/courses/archive/einfuehrung/woche-5-einfuehrung-in-das-maschinelle-lernen.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.