%%
%% This is file `example_DarkConsole.tex',
%% generated with the docstrip utility.
%%
%% The original source files were:
%%
%% examples_kmbeamer.dtx  (with options: `DarkConsole')
%% Copyright (c) 2011-2013 Kazuki Maeda <kmaeda@users.sourceforge.jp>
%% 
%% Distributable under the MIT License:
%% http://www.opensource.org/licenses/mit-license.php
%% 
%%% もし pdfTeX や LuaTeX を使うなら dvipdfmx オプションを外す．
% \documentclass[dvipdfmx]{beamer}
% Modified by LianTze Lim to work with fontspec/xelatex
\documentclass{beamer}

\usetheme{DarkConsole}
\usepackage{graphicx}
\usepackage{caption}

\title{\texttt{exit iBorderCtrl}}
\subtitle{KI im Kontext von Sicherheitspolitik}
\author{verschiedene\footnote{\texttt{AG Link}}}

\begin{document}

\begin{frame}
  \maketitle
\end{frame}

\begin{frame}{Inhalt}
  \tableofcontents
\end{frame}

\section{Was ist iBorderCtrl?}

\begin{frame}
	\begin{figure}
		\includegraphics[scale = 0.8]{iborderctrl-avatar-300x268.jpg}
		\caption*{Quelle: iborderctrl.eu}
	\end{figure}
	"The avatar is presented in a uniform to convey an air of authority." (K.Crockett et.al.)
\end{frame}


\section{Grundlagen DNN}

\begin{frame}{something}
  something

  \pause

  \begin{enumerate}
  \item 1\pause
  \item 2\pause
  \item 3
  \end{enumerate}

  \pause

  \begin{itemize}
  \item 4\pause
  \item 5\pause
  \item 6
  \end{itemize}
\end{frame}
\begin{frame}{Overfitting}

\begin{figure}
\includegraphics[scale = 0.4]{overfitting.png}
\caption*{Quelle: Sagar Sharma / Towards Data Science}
\end{figure}
\end{frame}
\section{Bias und KI}
\begin{frame}{Beispiele diskriminierender KI}
\begin{itemize}
\item COMPAS -  Risikoabsch\"{a}tzung Gefangener in Florida
\begin{itemize}
\item Schwarze Gefangene wurden doppelt so häufig falsch als gewaltt\"{a}tig klassifiziert 
\end{itemize}
\item Vermittlung von Stellenanzeigen im MINT-Bereich
\begin{itemize}
\item Stellenanzeigen wurden häufiger M\"{a}nnern (cis?) angezeigt.
\end{itemize}
\item Einstellungsverfahren
\item Gesichtserkennung, Stimmerkennung, etc.
\end{itemize}
\end{frame}
\begin{frame}{Arten von Bias}
\begin{itemize}
\item Bias in den Daten
\item Bias durch Design des Algorithmus
\item Bias durch R\"{u}ckkopplung im Gebrauch
\end{itemize}
\end{frame}
\begin{frame}{Bias in den Daten}
\begin{itemize}
\item Measurement Bias
\begin{itemize}
\item Wie werden bestimmte Eigenschaften gemessen/bestimmt? 
\item COMPAS: Verhaftungen auch von Familie etc. wurden genutzt um Risiko zu bewerten
\end{itemize}
\item Omitted Variable Bias
\begin{itemize}
\item Wichtige Daten werden nicht im Modell berücksichtigt
\end{itemize}
\item Represenation Bias
\begin{itemize}
\item Fehlende DIversit\"{a}t in den Verf\"{u}gbaren Daten
\end{itemize}
\item Aggregation Bias
\begin{itemize}
\item Ableiten von Aussagen \"{u}ber Individuen aus Minderheit aus allgemeinem Datensatz
\end{itemize}
\item Sampling Bias
\begin{itemize}
 \item Ungleiche Datenmenge verschiedener Untergruppen
\end{itemize}
\end{itemize}
\end{frame}

\begin{frame}{Aggregation Bias und Sampling Bias}
\end{frame}

\begin{frame}{Bias in den Daten}
\begin{itemize}
\item Historical Bias
\item Population Bias
\item etc.
\end{itemize}
\end{frame}

\begin{frame}{Bias durch Design}
\begin{itemize}
\item Algorithmischer Bias
\item Evaluations Bias
\item etc.
\end{itemize}
\end{frame}

\begin{frame}{Bias durch R\"{u}ckkopplung}

\end{frame}
\section{Interpretierbarkeit und KI}
\begin{frame}{Was heisst interpretierbar?}
\end{frame}
\begin{frame}{Wieso will mensch Interpretierbarkeit?}
\end{frame}
\section{iBorderCtrl - Forschungsergebnisse}
\begin{frame}{Aufbau iBorderCtrl}
\end{frame}
\begin{frame}{Verwendete Daten und Ergebnisse}
\end{frame}

\begin{frame}{Testerbenisse}
\begin{itemize}
\item Anzahl verschiedener Personen in der Testdatenmenge : 1
\item Emprische Varianz der Tests: 
\end{itemize}
\begin{figure}
\includegraphics[scale = 0.36]{Ergebnis_ibc}
\end{figure}
\end{frame}
\end{document}
%\endinput
%%
%% End of file `example_DarkConsole.tex'.