Merge branch 'main' into main

Author: veit

docs/1intro/case-study.ipynb

@@ -0,0 +1,249 @@
+Kategorien von Aufgaben
+=======================
+
+Maschinelles Lernen kann für verschiedene **Aufgabentypen** eingesetzt werden,
+abhängig davon, ob das Ziel eine **Vorhersage, Gruppierung oder
+Entscheidungsoptimierung** ist. In diesem Kapitel werden die vier Hauptarten von
+ML-Aufgaben vorgestellt: :ref:`regression`, :ref:`classification`,
+:ref:`clustering` und :ref:`autonomous`.
+
+.. _regression:
+
+Regression
+----------
+
+* Sie ist eine Technik zur **Vorhersage von kontinuierlichen Werten** auf Basis
+  von Eingabedaten.
+* Sie wird genutzt, wenn das Ziel eine numerische Größe ist, :abbr:`z.B.
+  (zum Beispiel)` Preis, Temperatur oder Umsatzprognose.
+
+Beispiele
+~~~~~~~~~
+
+Immobilienpreise vorhersagen
+    Basierend auf Faktoren wie Größe, Lage und Baujahr.
+Wettervorhersagen
+    Prognose der Temperatur für den nächsten Tag.
+Finanzmarktanalysen
+    Vorhersage von Aktienkursen oder Umsatzentwicklungen.
+
+Typische Algorithmen
+~~~~~~~~~~~~~~~~~~~~
+
+* Lineare Regression
+* Multiple Regression
+* Polynomial Regression
+* Neuronale Netze für kontinuierliche Vorhersagen
+
+.. _classification:
+
+Klassifikation
+--------------
+
+Definition
+~~~~~~~~~~
+
+* Klassifikation ist eine Methode zur **Zuordnung von Datenpunkten zu diskreten
+  Kategorien**.
+* Das Ziel ist, eine Entscheidung über eine vordefinierte Anzahl von Klassen zu
+  treffen.
+
+Beispiele
+~~~~~~~~~
+
+E-Mail-Spam-Erkennung
+    Klassifizierung von E-Mails als "Spam" oder "Nicht-Spam".
+Diagnosen in der Medizin
+    Erkennung von Krankheiten anhand von Symptomen.
+Bilderkennung
+    Identifizierung von Objekten auf Fotos (Hund vs. Katze).
+
+Typische Algorithmen
+~~~~~~~~~~~~~~~~~~~~
+
+* Entscheidungsbäume
+* Random Forest
+* Support Vector Machines (SVM)
+* Neuronale Netze für Bilderkennung (CNNs)
+
+.. _clustering:
+
+Clustering
+----------
+
+Definition
+~~~~~~~~~~
+
+* Clustering ist eine Technik des **unüberwachten Lernens**, bei der Daten ohne
+  vorherige Labels in Gruppen eingeteilt werden.
+* Das Ziel ist es, Muster oder Strukturen in den Daten zu erkennen.
+
+Beispiele
+~~~~~~~~~
+
+Kundensegmentierung
+    Kunden anhand ihres Kaufverhaltens in Gruppen einteilen.
+Genanalyse
+    Identifikation von ähnlichen genetischen Mustern.
+Betrugserkennung
+    Auffinden verdächtiger Transaktionsmuster.
+
+Typische Algorithmen
+~~~~~~~~~~~~~~~~~~~~
+
+* K-Means-Clustering
+* DBSCAN (Density-Based Spatial Clustering)
+* Hierarchisches Clustering
+
+.. _autonomous:
+
+Autonome Aufgaben
+-----------------
+
+Definition
+~~~~~~~~~~
+
+* Autonome Aufgaben erfordern eine Kombination aus **überwachtem, unüberwachtem
+  und bestärkendem Lernen**, um **eigenständig Entscheidungen** zu treffen und
+  sich an neue Situationen anzupassen.
+* Diese Aufgaben sind besonders anspruchsvoll, da sie oft
+  **Echtzeit-Entscheidungen** erfordern.
+
+Beispiele
+~~~~~~~~~
+
+Selbstfahrende Autos
+    Kombination aus Bilderkennung, Reinforcement Learning und Sensorfusion zur
+    sicheren Navigation.
+Industrielle Robotik
+    Roboter, die sich an neue Umgebungen anpassen und Produktionslinien
+    optimieren.
+Dynamische Preisgestaltung
+    Systeme, die in Echtzeit Preisentscheidungen treffen, basierend auf Angebot
+    und Nachfrage.
+
+Technologien
+~~~~~~~~~~~~
+
+Reinforcement Learning (RL):
+    Algorithmen lernen durch Belohnungssysteme.
+Neuronale Netze
+    Deep Learning wird genutzt, um Sensordaten zu verarbeiten.
+Edge Computing
+    Echtzeit-Datenverarbeitung für schnelle Reaktionen.
+
+.. _generative:
+
+Generative Aufgaben
+-------------------
+
+Definition
+~~~~~~~~~~
+
+* Generative KI zielt darauf ab, neue Daten zu erzeugen, die den Muster der
+  Trainingsdaten folgen, aber nicht identisch mit ihnen sind.
+* Diese Technologie basiert auf Modellen, die durch unüberwachtes oder
+  selbstüberwachtes Lernen trainiert werden und dann neue Inhalte generieren.
+
+Beispiele
+~~~~~~~~~
+
+* Bildgenerierung:
+
+  * Erstellung neuer Bilder auf Basis bestehender Stile (:abbr:`z.B. (zum
+    Beispiel)` DeepDream, DALL·E).
+  * Erstellung realistischer Gesichter mit GANs (:abbr:`z.B. (zum Beispiel)`
+    „ThisPersonDoesNotExist.com“).
+
+* Textgenerierung:
+
+  * Chatbots wie ChatGPT, die menschenähnliche Texte generieren.
+  * Automatische Textzusammenfassungen oder Artikelgenerierung.
+
+* Musik und Audio:
+
+  * KI-gestützte Musikkomposition (:abbr:`z.B. (zum Beispiel)` OpenAIs Jukebox).
+  * Stimmenklonen und Deepfake-Audio.
+
+* Code-Generierung:
+
+  * KI-Systeme wie GitHub Copilot oder AlphaCode, die Programmiercode
+    generieren.
+
+* 3D- und Videogenerierung:
+
+  * Synthese neuer 3D-Modelle für Videospiele oder Animationen.
+  * KI-generierte Deepfake-Videos.
+
+Typische Algorithmen
+~~~~~~~~~~~~~~~~~~~~
+
+* Generative Adversarial Networks (GANs)
+
+  * Lernen zwei konkurrierende Netzwerke: ein „Generator“ und ein
+    „Diskriminator“.
+
+  * Beispiel: Stiltransfer von Gemälden auf Fotos.
+
+* Variational Autoencoders (VAEs)
+
+  * Lernen eine kompakte Darstellung der Daten und können daraus neue Instanzen generieren.
+
+* Transformer-Modelle (:abbr:`z.B. (zum Beispiel)` GPT, BERT, T5)
+
+  * Werden für Text- und Codegenerierung eingesetzt.
+
+* Diffusionsmodelle (DALL·E, Stable Diffusion)
+
+  * Besonders leistungsfähig für hochwertige Bilderzeugung.
+
+Zusammenfassung
+~~~~~~~~~~~~~~~
+
+* Generative KI ist eine eigene Aufgabenkategorie, da sie keine Vorhersage- oder
+  Gruppierungsaufgabe erfüllt, sondern neue Inhalte erstellt.
+* Sie nutzt tiefe neuronale Netze, insbesondere GANs, Transformer-Modelle und
+  Diffusionsmodelle.
+* Generative KI wird zunehmend wichtiger in Bereichen wie Kunst, Design, Code,
+  Audio und Sprache.
+
+Vergleich der ML-Aufgabentypen
+------------------------------
+
+.. list-table:: Vergleich von Regression, Klassifikation, Clustering und autonomen Aufgaben
+   :header-rows: 1
+
+   * - Merkmal
+     - :ref:`regression`
+     - :ref:`classification`
+     - :ref:`clustering`
+     - :ref:`autonomous`
+     - :ref:`generative`
+   * - Art der Vorhersage
+     - Kontinuierlicher Wert
+     - Diskrete Klassen
+     - Gruppenbildung ohne Labels
+     - Eigenständige Entscheidungsfindung
+     - Erzeugung neuer Daten
+   * - Beispiele
+     - Preisprognosen, Finanzanalysen
+     - Bilderkennung, Spam-Filter
+     - Kundensegmentierung, Anomalieerkennung
+     - Selbstfahrende Autos, Industrieroboter
+     - KI-generierte Bilder, Texte, Musik
+   * - Typische Algorithmen
+     - Lineare Regression, neuronale Netze
+     - Entscheidungsbäume, SVM
+     - K-Means, DBSCAN
+     - Reinforcement Learning, Deep Learning
+     - GANs, VAEs, Transformer
+
+Fazit
+-----
+
+* Regression, Klassifikation und Clustering gehören zu den klassischen Aufgaben
+  des maschinellen Lernens.
+* Autonome Systeme sind eine anspruchsvolle Anwendung, die verschiedene
+  ML-Techniken kombiniert.
+* Je nach Daten und Zielsetzung kann eine Kombination dieser Methoden sinnvoll
+  sein.