feature: add workshop 2 jupyter notebook

SL/aufgaben/workshop2/README.md

@@ -0,0 +1,84 @@
+# Workshop 2 – Feature Engineering & Datenaufbereitung
+
+## Aufgabenstellung
+
+Untersuchung des Melbourne Housing Datasets aus ML-Perspektive.
+Erste Empfehlungen zur Datenaufbereitung formulieren.
+
+### Zu untersuchende Punkte
+
+- **Ungeeignete Variablen** identifizieren (von vornherein nicht für ML brauchbar)
+- **Missing Values** – pro Variable geeignete Strategie wählen
+- **Nicht-numerische Variablen** – passende Encoding-Strategie wählen
+- **Anomalien** entdecken, die bereinigt werden müssen (Outlier, Inkonsistenzen, Duplikate)
+- **Empfehlungen** zur Datenaufbereitung formulieren
+
+### Zeitrahmen
+
+90 Minuten
+
+## Hilfsmittel der Dozentin
+
+- `WS 02 Feature Engineering Exploration Overview.ipynb`
+  – ermittelt Kennwerte der Variablen in einem DataFrame und stellt diese in einer Excel-Tabelle zusammen
+- `pandas_profiling_melb_data.html` – vorgenerierter Profiling-Report
+
+## Vorgehen
+
+1. **Profiling-Report sichten** (ydata-profiling) für schnellen Überblick
+2. **Variablen filtern** – ungeeignete Spalten markieren (z.B. IDs, Freitextfelder, zu hohe Kardinalität)
+3. **Missing Values analysieren** – Anteil pro Spalte, Muster (MCAR / MAR / MNAR)
+4. **Kategoriale Variablen** – Strategie pro Spalte festlegen
+5. **Anomalien suchen** – Outlier (Boxplots, z-Score, IQR), inkonsistente Werte, Duplikate
+6. **Empfehlungen dokumentieren** – in der Workshop-1-Tabelle ergänzen
+
+## Theorie-Bausteine
+
+### Missing-Value-Strategien
+
+| Strategie | Wann geeignet |
+|---|---|
+| Zeile löschen | wenige Missings, MCAR |
+| Spalte löschen | sehr hoher Missing-Anteil (>50%), wenig Information |
+| Mean / Median imputieren | numerisch, symmetrisch / schief verteilt |
+| Mode imputieren | kategorial |
+| Konstanter Wert (z.B. "Unknown", 0) | kategorial mit Bedeutung "fehlt" |
+| KNN / Iterative Imputation | komplexere Muster, mehr Aufwand |
+| Indikator-Spalte | "fehlt" selbst ist Information (MNAR) |
+
+### Missing-Value-Typen (Rubin)
+
+- **MCAR** – Missing Completely At Random: Fehlen unabhängig von allem
+- **MAR** – Missing At Random: Fehlen erklärbar durch andere beobachtete Variablen
+- **MNAR** – Missing Not At Random: Fehlen hängt vom fehlenden Wert selbst ab
+
+### Encoding-Strategien für kategoriale Variablen
+
+| Strategie | Wann geeignet |
+|---|---|
+| **Label-Encoding** | ordinal mit klarer Reihenfolge |
+| **One-Hot-Encoding** | nominal, wenige Kategorien (<~15) |
+| **Target-Encoding** | nominal, hohe Kardinalität, Vorsicht: Leakage |
+| **Frequency-Encoding** | hohe Kardinalität, einfach |
+| **Binary-Encoding** | hohe Kardinalität, weniger Spalten als One-Hot |
+| **Embeddings** | sehr hohe Kardinalität, Deep Learning |
+
+### Outlier-Detection
+
+- Boxplot / IQR-Regel (1.5 × IQR)
+- z-Score (|z| > 3)
+- Visuell via Histogramm / Scatter
+- Domain-Wissen (z.B. negativer Preis, Baujahr 1196 statt 1996)
+
+## Struktur
+
+```
+.
+├── devenv.nix
+├── devenv.lock
+├── devenv.yaml
+├── data/
+│   └── melb_data.csv
+└── solution/
+    ├── 01_skalenniveaus.md
+```

SL/aufgaben/workshop2/devenv.nix

@@ -6,15 +6,16 @@
     version = "3.12";
     venv.enable = true;
     venv.requirements = ''
+      imbalanced-learn
       ipython
       jupyter
       jupyterlab
+      matplotlib
       numpy
       pandas
-      matplotlib
-      seaborn
       scikit-learn
-      imbalanced-learn
+      seaborn
+      setuptools<81
       statsmodels
       ydata-profiling
     '';