feature: add workshop 3 template

SL/aufgaben/workshop3/README.md

@@ -0,0 +1,98 @@
+# Workshop 3 Feature Engineering: Melbourne Housing Dataset
+
+Aufbereitung des **Melbourne Housing Datasets** für Supervised Learning, gemäss
+den in Workshop 2 erarbeiteten und konsolidierten Empfehlungen.
+
+- **Input:** `data/melb_data.csv` (Rohdaten)
+- **Output:** `data/melb_data_prep.csv` (aufbereitet)
+- **Pipeline:** `src/prepare.py`
+
+Die Empfehlungen stammen aus der EDA in Workshop 2. Dieses README ist die
+einzige Quelle der Wahrheit für die anzuwendenden Transformationen, das
+ursprüngliche `WS_03_Empfehlungen.xlsx` muss nicht geöffnet werden.
+
+## Aufgabenstellung
+
+Das Dataset wurde in Workshop 2 mit Sicht auf Machine Learning untersucht.
+Die daraus abgeleiteten Empfehlungen (siehe unten) werden hier in einer
+deterministischen Pipeline `CSV rein → CSV raus` implementiert. Es findet
+keine neue Exploration statt, die Entscheidungen sind bereits getroffen.
+
+## Drehbuch (Transformationsliste)
+
+### 1. Data Frame
+
+| #   | Transformation | Details |
+|-----|----------------|---------|
+| 1.1 | Beobachtungen nach Bedingung entfernen | `Price >= 8000000`; `YearBuilt == 1196` |
+| 1.2 | Duplikate entfernen | kein Bedarf |
+| 1.3 | Fragwürdige Variablen entfernen | `Unnamed: 0`, `Suburb`, `Address`, `SellerG`, `Postcode`, `Bedroom2` |
+| 1.4 | NAs ersetzen | kategoriale: Modalwert · numerische: Median |
+
+### 2. Kategoriale Variablen
+
+| #   | Transformation | Details |
+|-----|----------------|---------|
+| 2.1 | Kardinalität reduzieren | `Regionname`: `* Victoria` → `Victoria` · `Method`: `SA` → `S` |
+| 2.2 | Faktorisieren | `CouncilArea` |
+| 2.3 | Ordinal encodieren | `Type`: `h, u, t` → `1, 2, 3` |
+| 2.4 | Binär encodieren | kein Bedarf |
+| 2.5 | Nominal encodieren (One-Hot) | alle verbleibenden kategorialen Variablen ausser `Date` |
+
+### 3. Numerische Variablen
+
+| #   | Transformation | Details |
+|-----|----------------|---------|
+| 3.1 | Logarithmieren (+ umbenennen) | `Landsize` → `logLandsize` · `BuildingArea` → `logBuildingArea` |
+| 3.2 | Binär umcodieren | kein Bedarf |
+
+### 4. Andere Tätigkeiten
+
+| #   | Transformation | Details |
+|-----|----------------|---------|
+| 4.1 | Konstruktion | `Date` → `month`, `year`, `day_of_week`; danach `Date` droppen |
+| 4.2 | Variablennamen bereinigen | unerwünschte Zeichen → `_` |
+| 4.3 | Standardisieren | kein Bedarf |
+| 4.4 | Speichern | als `melb_data_prep.csv` |
+
+## Reihenfolge — wichtig
+
+Die Schritte sind nicht beliebig vertauschbar. Insbesondere:
+
+- **1.1 vor 1.4:** erst Ausreisser/fehlerhafte Zeilen raus, dann NAs füllen
+  (sonst fliessen Schrottwerte in Median/Modalwert ein).
+- **2.1 vor 2.5:** erst Kardinalität reduzieren, dann One-Hot
+  (sonst entstehen Dummy-Spalten für Levels, die man gerade zusammenlegen will).
+- **2.5 nach allen anderen kategorialen Schritten:** One-Hot greift alle
+  *übrigen* `object`-Spalten ab — `CouncilArea` und `Type` sind dann schon
+  numerisch und werden korrekt übersprungen.
+- **4.1 vor 2.5 ODER `Date` explizit ausnehmen:** `Date` ist `object` und würde
+  sonst von One-Hot zerlegt. Lösung: `Date` beim One-Hot ignorieren und erst in
+  4.1 zu `month`/`year`/`day_of_week` zerlegen.
+
+## Projektstruktur
+
+```
+workshop3
+├── data/
+│   ├── melb_data.csv        # Rohdaten (Input)
+│   └── melb_data_prep.csv   # aufbereitet (Output, generiert)
+├── src/
+│   └── prepare.py           # Pipeline
+├── devenv.nix
+└── README.md
+```
+
+## Ausführen
+
+```sh
+cd src && python prepare.py
+```
+
+## Offene Punkte / Selbstcheck
+
+- [ ] `YearBuilt == 1196` verifizieren (vermutlich Tippfehler für 1996)
+- [ ] NA-Spalten prüfen -> sind NAs in der Target-Variable `Price`?
+      (Falls ja: Zeilen entfernen statt Median einsetzen.)
+- [ ] Standardisieren bleibt hier aus -> relevant erst beim Training,
+      und modellabhängig (Bäume brauchen es nicht).

SL/aufgaben/workshop3/devenv.lock

@@ -0,0 +1,103 @@
+{
+  "nodes": {
+    "devenv": {
+      "locked": {
+        "dir": "src/modules",
+        "lastModified": 1779303056,
+        "narHash": "sha256-+DJSNTtrdUb5yelcKp8fa5aITlg050701WCOJt0oMtI=",
+        "owner": "cachix",
+        "repo": "devenv",
+        "rev": "0d0be23517b92cbcedd95a0dbb6f735deae9b38c",
+        "type": "github"
+      },
+      "original": {
+        "dir": "src/modules",
+        "owner": "cachix",
+        "repo": "devenv",
+        "type": "github"
+      }
+    },
+    "flake-compat": {
+      "flake": false,
+      "locked": {
+        "lastModified": 1767039857,
+        "narHash": "sha256-vNpUSpF5Nuw8xvDLj2KCwwksIbjua2LZCqhV1LNRDns=",
+        "owner": "edolstra",
+        "repo": "flake-compat",
+        "rev": "5edf11c44bc78a0d334f6334cdaf7d60d732daab",
+        "type": "github"
+      },
+      "original": {
+        "owner": "edolstra",
+        "repo": "flake-compat",
+        "type": "github"
+      }
+    },
+    "nixpkgs": {
+      "inputs": {
+        "nixpkgs-src": "nixpkgs-src"
+      },
+      "locked": {
+        "lastModified": 1778507786,
+        "narHash": "sha256-HzSQCKMsMr8r55LwM1JuzIOB+8bzk0FEv6sItKvsfoY=",
+        "owner": "cachix",
+        "repo": "devenv-nixpkgs",
+        "rev": "8f24a228a782e24576b155d1e39f0d914b380691",
+        "type": "github"
+      },
+      "original": {
+        "owner": "cachix",
+        "ref": "rolling",
+        "repo": "devenv-nixpkgs",
+        "type": "github"
+      }
+    },
+    "nixpkgs-python": {
+      "inputs": {
+        "flake-compat": "flake-compat",
+        "nixpkgs": [
+          "nixpkgs"
+        ]
+      },
+      "locked": {
+        "lastModified": 1779117433,
+        "narHash": "sha256-iKhNJH1ABTrPvDF6Sd1U+GCVYSh8Xn88ee10ko7PvvE=",
+        "owner": "cachix",
+        "repo": "nixpkgs-python",
+        "rev": "a0f88fb785debcb0a201d0ce311a2e3d829e4a1b",
+        "type": "github"
+      },
+      "original": {
+        "owner": "cachix",
+        "repo": "nixpkgs-python",
+        "type": "github"
+      }
+    },
+    "nixpkgs-src": {
+      "flake": false,
+      "locked": {
+        "lastModified": 1778274207,
+        "narHash": "sha256-I4puXmX1iovcCHZlRmztO3vW0mAbbRvq4F8wgIMQ1MM=",
+        "owner": "NixOS",
+        "repo": "nixpkgs",
+        "rev": "b3da656039dc7a6240f27b2ef8cc6a3ef3bccae7",
+        "type": "github"
+      },
+      "original": {
+        "owner": "NixOS",
+        "ref": "nixpkgs-unstable",
+        "repo": "nixpkgs",
+        "type": "github"
+      }
+    },
+    "root": {
+      "inputs": {
+        "devenv": "devenv",
+        "nixpkgs": "nixpkgs",
+        "nixpkgs-python": "nixpkgs-python"
+      }
+    }
+  },
+  "root": "root",
+  "version": 7
+}

SL/aufgaben/workshop3/devenv.nix

@@ -0,0 +1,28 @@
+{ pkgs, lib, config, ... }:
+
+{
+  languages.python = {
+    enable = true;
+    version = "3.12";
+    venv.enable = true;
+    venv.requirements = ''
+      imbalanced-learn
+      ipython
+      jupyter
+      jupyterlab
+      matplotlib
+      numpy
+      pandas
+      scikit-learn
+      seaborn
+      setuptools<81
+      statsmodels
+      ydata-profiling
+    '';
+  };
+
+  packages = [
+    pkgs.graphviz
+    pkgs.zsh
+  ];
+}

SL/aufgaben/workshop3/devenv.yaml

@@ -0,0 +1,6 @@
+inputs:
+  nixpkgs-python:
+    url: github:cachix/nixpkgs-python
+    inputs:
+      nixpkgs:
+        follows: nixpkgs

SL/aufgaben/workshop3/src/prepare.py

@@ -0,0 +1,30 @@
+"""
+Workshop 3 Feature Engineering Pipeline für das Melbourne Housing Dataset.
+
+Wendet die in Workshop 2 erarbeiteten Empfehlungen (WS_03_Empfehlungen.xlsx)
+auf melb_data.csv an und schreibt melb_data_prep.csv.
+"""
+
+import numpy as np
+import pandas as pd
+
+RAW = "data/melb_data.csv"
+OUT = "data/melb_data_prep.csv"
+
+
+def load(path: str = RAW) -> pd.DataFrame:
+    return pd.read_csv(path)
+
+
+def inspect(df: pd.DataFrame) -> None:
+    """Annahmen des Drehbuchs verifizieren -> wird in der Pipeline nicht aufgerufen."""
+    print(df.shape)
+    print(df.info())
+    print(df.isna().sum()[df.isna().sum() > 0])  # NAs pro Spalte
+    print(df.Price.sort_values().tail(5))  # Price-Ausreisser?
+    print(df.YearBuilt.sort_values().head(5))  # das ominöse 1196
+
+
+if __name__ == "__main__":
+    data = load()
+    inspect(data)