Schulung Day 1: complete and ready

docs/1intro/def.rst

@@ -1,6 +1,8 @@
 Definition von Künstlicher Intelligenz
 ======================================
 
+Was ist die **Künstliche Intelligenz (KI)**? 
+
 Künstliche Intelligenz (KI) bezeichnet die Fähigkeit eines Computers oder einer
 Maschine, menschenähnliche kognitive Funktionen auszuführen. Dazu gehören
 Aufgaben wie Lernen, Problemlösung, Mustererkennung und Entscheidungsfindung.
@@ -17,12 +19,13 @@ Die Entwicklung der KI lässt sich in mehrere Phasen einteilen:
     * Erste Algorithmen zur symbolischen Verarbeitung und regelbasierten Systeme
       wurden entwickelt.
     * Alan Turings berühmter `Turing-Test
-      <https://de.wikipedia.org/wiki/Turing-Test>`_ stellte eine frühe Methode
-      zur Bewertung der Intelligenz einer Maschine vor.
+      <https://de.wikipedia.org/wiki/Turing-Test>`_ stellte eine `frühe Methode
+      zur Bewertung der Intelligenz einer Maschine 
+      <https://de.wikipedia.org/wiki/Turing-Test#/media/Datei:Turing-Test_ger_ABC.png>`_ vor.
     * In den 1960er Jahren entstanden erste Expertensysteme, die regelbasierte
       Entscheidungsfindung ermöglichten.
 
-1980er–1990er: Erste Fortschritte und Rückschläge**
+1980er–1990er: Erste Fortschritte und Rückschläge
     * KI erlebte durch das Aufkommen von neuronalen Netzen und maschinellem
       Lernen einen Aufschwung.
     * Aufgrund hoher Rechenkosten und begrenzter Datenverfügbarkeit flachte das
@@ -39,8 +42,11 @@ Unterschiedliche Formen der Künstlichen Intelligenz
 
 KI kann auf verschiedene Art und Weisen in verschiedene Kategorien unterteilt
 werden. Eine Möglichkeit ist die Kategorisierung nach ihrem Funktionsumfang und
-ihren Anwendungsmöglichkeiten, wie von Prof. Arend Hintze definiert, Forscher
-und Professor der Integrative Biology an der Michigan State University:
+ihren Anwendungsmöglichkeiten, wie von Prof. Arend Hintze, Forscher
+und Professor der Integrative Biology an der Michigan State University, in dessen 
+`Understanding the four types of AI, from reactive robots to self-aware beings 
+<https://theconversation.com/understanding-the-four-types-of-ai-from-reactive-robots-to-self-aware-beings-67616>`_ 
+definierte:
 
 #. Reaktive KI (Reactive AI)
 
@@ -98,9 +104,9 @@ Prädiktive vs. Generative KI
 ----------------------------
 
 Die aktuell in der Industrie gängigen Formen der KI lassen sind insbesondere in
-**prädiktive KI** und **generative KI** unterscheiden:
+**prädiktive KI** (Predictive AI) und **generative KI** (Generative AI) unterscheiden:
 
-#. Prädiktive KI
+1. Prädiktive KI
 
    * Diese KI nutzt historische Daten, um **zukünftige Ereignisse
      vorherzusagen**.
@@ -138,20 +144,20 @@ Bedeutung dieser Unterscheidung
 Anwendungsfälle von KI
 ----------------------
 
-KI findet heute in zahlreichen Bereichen Anwendung, darunter:
+KI findet heute in zahlreichen Bereichen Anwendung, hier sind nur eine Beispiele aufgelistet:
 
-Gesundheitswesen
+Gesundheitswesen:
     Diagnosestellung durch KI-gestützte Bildverarbeitung,
     Medikamentenentwicklung.
-Finanzwesen
+Finanzwesen:
     Automatische Betrugserkennung, algorithmischer Handel.
-Industrie
+Industrie:
     Automatisierung von Prozessen, Qualitätskontrolle in der Fertigung.
-Autonome Systeme
+Autonome Systeme:
     Selbstfahrende Autos, Drohnen, Robotersteuerung.
-Sprachverarbeitung
+Sprachverarbeitung:
     Sprachassistenten wie Siri, Alexa oder Google Assistant.
-Kreative Anwendungen
+Kreative Anwendungen:
     Generierung von Texten, Musik und Kunst durch KI.
 
 Ethische Fragestellungen in der KI
@@ -160,15 +166,15 @@ Ethische Fragestellungen in der KI
 Mit der rasanten Entwicklung der KI gehen auch bedeutende ethische Fragen
 einher:
 
-Bias und Diskriminierung
-    KI-Modelle können bestehende Vorurteile aus Trainingsdaten übernehmen.
-Arbeitsplatzverdrängung
+Bias und Diskriminierung: 
+    KI-Modelle können bestehende Vorurteile aus den gegebenen Trainingsdaten übernehmen.
+Arbeitsplatzverdrängung: 
     Automatisierung kann menschliche Arbeitsplätze gefährden.
-Transparenz und Erklärbarkeit
+Transparenz und Erklärbarkeit: 
     Viele KI-Modelle, insbesondere Deep Learning, sind schwer zu interpretieren.
-Verantwortung und Haftung
+Verantwortung und Haftung: 
     Wer ist verantwortlich, wenn eine KI fehlerhafte oder schädliche
     Entscheidungen trifft?
-Datenschutz
+Datenschutz: 
     KI-Anwendungen erfordern oft große Datenmengen, was Datenschutzprobleme
     aufwirft.

docs/1intro/evaluation.rst

@@ -4,13 +4,96 @@ Evaluation von ML-Modellen
 Warum ist die Modellbewertung wichtig?
 --------------------------------------
 
-* Die Evaluation von ML-Modellen stellt sicher, dass das Modell zuverlässig und
-  generalisierbar ist.
-* Ein gut evaluiertes Modell verhindert Overfitting und hilft, die besten
-  Algorithmen und Parameter auszuwählen.
+* Die Evaluation von ML-Modellen stellt sicher, dass das Modell zuverlässig und generalisierbar ist.
+* Ein gut evaluiertes Modell verhindert Overfitting und hilft, die besten Algorithmen und Parameter auszuwählen.
 
-Wichtige Metriken für Klassifikationsprobleme
----------------------------------------------
+
+Wichtige Metriken und Tools für Klassifikationsprobleme
+----------------------------------------------------------
+
+Die einfachste Form der Klassifikation ist die binäre Klassifikation (binary classification) und besteht aus zwei Zuständen.
+
+Beispiel Covid-Schnelltest: Wir wollen untersuchen, wie gut der Infektionsstatus eines Patienten durch Corona-Schnelltests wiedergespiegelt wird. 
+Hier würde der Corona-Schnelltest als der Klassifikator von genau zwei Zuständen dienen: infiziert oder nicht-infiziert.
+
+Aus diesen zwei Klassen können sich genau 4 Kombinationen ergeben, je nach dem, was das Modell vorhergesagt hat und ob das mit der Realität übereinstimmt: 
+
+* **True Positive (TP)**: 
+    Der Schnelltest klassifiziert die Person als infiziert (Positive) und ein anschließender PCR-Test bestätigt dieses Ergebnis (True prediction). Somit war der Schnelltest korrekt.
+* **False Positive (FP)**: 
+    Der Schnelltest klassifiziert die Person als infiziert (Positive), jedoch ergibt ein anschließender PCR-Test, dass die Person nicht infiziert ist (False prediction).
+* **True Negative (TN)**: 
+    Der Schnelltest klassifiziert die Person als nicht-infiziert (Negative) und die Person ist tatsächlich nicht infiziert (True prediction).
+* **False Negative (FN)**: 
+    Der Corona-Schnelltest klassifiziert die Person als nicht-infiziert (Negative), jedoch ist die Person infiziert und sollte somit einen positiven Schnelltest haben (False prediction).
+
+
+Konfusionsmatrix / Wahrheitsmatrix (Confusion Matrix)
+~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
+
+*siehe auch*: `confusion matrix IBM <https://www.ibm.com/de-de/topics/confusion-matrix>`_, 
+`Wahrheitsmatrix <https://de.wikipedia.org/wiki/Beurteilung_eines_bin%C3%A4ren_Klassifikators#Wahrheitsmatrix:_Richtige_und_falsche_Klassifikationen>`_
+
+Ein weiteres Tool, um diese 4 Kombinationen leicht sichtbar zu machen, ist die Konfusionsmatrix: 
+
+.. list-table:: Confusion Matrix
+   :header-rows: 1
+   :align: center
+
+   * - True Class ↓ / Predicted Class →
+     - Positive
+     - Negative
+   * - Positive (Actual Positive)
+     - True Positive (TP)
+     - False Negative (FN)
+   * - Negative (Actual Negative)
+     - False Positive (FP)
+     - True Negative (TN)
+
+Anhand unseres Corona-Schnelltest-Beispiels: 
+
+Nehmen wir an, wir haben 100 Personen für den Testdatensatz an Corona-Schnelltests erfasst und
+die sind wiefolgt aufgeteilt: 
+
+.. list-table:: Confusion Matrix
+   :header-rows: 1
+   :align: center
+
+   * - True Class ↓ / Predicted Class →
+     - Positive
+     - Negative
+   * - Positive (Actual Positive)
+     - 60 (TP)
+     - 20 (FN)
+   * - Negative (Actual Negative)
+     - 10 (FP)
+     - 10 (TN)
+
+Daraus lässt sich folgendes "ablesen":
+
+* True Positive (TP) = 60: 
+    60 Personen sind laut Schnelltest infiziert (Positive) und sind tatsächlich infiziert (True).
+* False Positive (FP) = 10: 
+    10 Personen sind laut Schnelltest infiziert (Positive), sind in Wirklichkeit aber nicht infiziert (False).
+* True Negative (TN) = 10: 
+    10 Personen sind laut Schnelltest nicht-infiziert (Negative), und sind in Wirklichkeit auch wirklich gesund (True).
+* False Negative (FN) = 20: 
+    20 Personen sind laut Schnelltest nicht-infiziert (Negative), sind aber tatsächlich infiziert (False).
+
+Die Konfusionsmatrix hilft stark dabei festzustellen, welche Art des Fehlers beim Klassifikator häufig(er) vorkommt. 
+
+In unserem Beispiel ist der Corona-Schnelltest in 70 % der Fälle korrekt ((60 + 10) / 100), was erst mal kein schlechter Wert ist. 
+
+Jedoch kommt in 10 % (20 / 100) aller Fälle ein False Negative Fehler vor. 
+Das bedeutet, dass in 10 % aller Fälle, die Person als gesund ausgewiesen wird, obwohl sie eigentlich krank und ansteckend ist. 
+
+Im Fall einer Viruserkrankung ist also nicht nur die Genauigkeit entscheidend, sondern vor allem die **False Negative Rate**.
+
+
+Die wichtigsten (und meist genutzten) Metriken 
+-----------------------------------------------
+
+In der Industrie werden aktuell für Klassifikationsprobleme vor allem folgende Metriken genutzt (basierend auf den oben genannten Konzepten): 
 
 Accuracy (Genauigkeit)
 ~~~~~~~~~~~~~~~~~~~~~~
@@ -60,6 +143,19 @@ ausgewogenes Maß zu erhalten:
 Der F1-Score ist besonders nützlich bei unausgewogenen Datensätzen (engl.:
 *unbiased data sets*).
 
+False Negative Rate (FNR)
+~~~~~~~~~~~~~~~~~~~~~~~~~~
+
+Die False Negative Rate (FNR) wird in der Business-Welt nicht so häufig verwendet, 
+sondern vor allem in spezifiellen Domänen wie in unserem Beispiel der medizinischen Tests:
+
+.. math::
+   \text{FNR} = \frac{\text{FN} }{\text{TN} + \text{FN}}
+
+Die FNR ist also beim Evaluieren eines Tests einer hoch-ansteckenden Viruserkrankung ein wichtiger Indikator, 
+da es fatale Konsequenzen haben könnte, wenn zu viele *False Negatives* ausgelassen werden.
+
+
 Wichtige Metriken für Regressionsprobleme
 -----------------------------------------
 
@@ -89,6 +185,8 @@ R²-Koeffizient (Bestimmtheitsmaß)
 * Zeigt, wie gut das Modell die Varianz der Zielvariable erklärt.
 * Wertebereich: 0 (keine Erklärung) bis 1 (perfekte Erklärung).
 
+*siehe auch*: `Bestimmtheitsmaß-Wiki <https://de.wikipedia.org/wiki/Bestimmtheitsma%C3%9F>`_
+
 Praktische Anwendung: Evaluierung eines Modells in Python
 ---------------------------------------------------------
 

docs/1intro/linear-regression.rst

@@ -4,11 +4,12 @@ Praktische Einführung: Lineare Regression
 Was ist Lineare Regression?
 ---------------------------
 
-- Die **Lineare Regression** ist eines der grundlegendsten Modelle des maschinellen Lernens.
+* Die **Lineare Regression** ist eines der grundlegendsten Modelle des maschinellen Lernens.
+* Sie wird verwendet, um eine abhängige Variable (Zielvariable) anhand einer oder mehrerer unabhängiger Variablen vorherzusagen.
+* Bei der linearen Regression ist die Voraussetzung, dass das `Skalenniveau <https://datatab.de/tutorial/skalenniveau>`_ der abhängigen Variable `intervallskaliert <https://de.statista.com/statistik/lexikon/definition/71/intervallskaliert/#:~:text=Eine%20Skala%20ist%20intervallskaliert%2C%20wenn,den%20Werten%205%20und%206.>`_ ist, sowie eine Normalverteilung vorliegt. 
+* Ist die abhängige Variable kategorisch, wird eine logistische Regression verwendet.
 
-- Sie wird verwendet, um eine abhängige Variable (Zielvariable) anhand einer oder mehrerer unabhängiger Variablen vorherzusagen.
-
-- Die Gleichung einer einfachen linearen Regression lautet:
+* Die Gleichung einer einfachen linearen Regression lautet:
 
   .. math::
      y = wX + b
@@ -23,6 +24,26 @@ Was ist Lineare Regression?
 
   - `b` der Achsenabschnitt (Bias).
 
+
+Interpretabilität von Linearen Regressions-Modellen
+----------------------------------------------------
+
+Wie viele Modelle müssen für die Lineare Regression einige Voraussetzungen in den Daten erfüllt sein, 
+damit die Ergebnisse der Regressionsanalyse interpretiert werden können. 
+
+* Linearität: 
+    Es muss ein linearer Zusammenhang zwischen der abhängigen und den unabhängigen Variablen bestehen.
+* Homoskedastizität: 
+    Die Residuen müssen eine konstante Varianz haben.
+* Normalität: 
+    Normalverteilte Fehlerkomponente
+* Keine Multikollinearität: 
+    Keine hohe Korrelation zwischen den unabhängigen Variablen
+* Keine Autokorrelation: 
+    Die Fehlerkomponente sollte keine Autokorrelation aufweisen.
+
+*siehe auch:* `datalab-tutorial<https://datatab.de/tutorial/lineare-regression>`_
+
 Beispiel mit scikit-learn
 -------------------------
 
@@ -31,14 +52,22 @@ Schritte zur Implementierung eines ML-Modells
 
 1. **Daten laden und vorbereiten**
 
-   - Import von Bibliotheken und Laden eines Datensatzes.
+   * Import von Bibliotheken und Laden eines Datensatzes.
+   * Untersuchung der Datenverteilung, Korrelationen und möglicher Ausreißer.
+   * Aufteilung der Daten in Trainings- und Testsets.
+
+2. **Datenvorbereitung**
 
-   - Aufteilung der Daten in Trainings- und Testsets.
+   * Umwandlung kategorischer Merkmale (One-Hot-Encoding).
+   * Normalisierung und Skalierung numerischer Merkmale.
+   * Aufteilung in Trainings- und Testdaten.
 
-2. **Modell erstellen und trainieren**
+3. **Modell erstellen und trainieren**
 
-   - Ein Lineares Regressionsmodell aus `scikit-learn` erstellen und trainieren.
+   * Ein Lineares Regressionsmodell aus `scikit-learn` erstellen und trainieren.
+   * Verwendung von Metriken zur Bewertung der Modellgüte (z.B. MSE, R²).
 
-3. **Modell evaluieren**
+4. **Modell evaluieren und Interpretation**
 
-   - Vorhersagen treffen und mit Metriken wie dem mittleren quadratischen Fehler (MSE) bewerten.
+   * Bewertung der Modellperformance auf dem Testdatensatz.
+   * Interpretation der wichtigsten Einflussgrößen.