Detailinformationen |
Quellcurriculum |
Bachelorstudium Informatik 2021S |
Ziele |
Die Studierenden kennen und verstehen die wesentlichen Ziele und Konzepte, die dem Forschungsgebiets Artificial Intelligence (AI) zu Grunde liegen; sie haben Grundkenntnisse über die Geschichte des Gebiets, die generelle Herangehensweise an die Modellierung von Problemen, sowie ausgewählte Algorithmen. Sie haben damit eien breiten Überblick über AI als Forschungsgebiet - mit informatischem Fokus -, der sie in die Lage versetzt, weiterführende Studien in spezialisierteren Lehrveranstaltungen oder durch Selbststudium durchzuführen und die Potenziale und möglichen Risiken der AI kritisch zu bewerten.
|
Lehrinhalte |
Definitionen der AI. Problemlösen als Suchprozess: Suchalgorithmen (uninformierte und heuristische), heuristische Suche in Spielen. Wissensrepräsentation und automatisches logisches Schlussfolgern am Beispiel der Aussagenlogik. Schlussfolgern und Vorhersage mit unsicherem Wissen: Wissensrepräsentation und Inferenz in Bayes'schen Netzen. Maschinelles Lernen: induktives Konzeptlernen; Reinforcement Learning; Lernen von probabilistischen Konzepten. Grundlagen der Computerwahrnehmung.
|
Beurteilungskriterien |
Schriftliche Prüfung am Semesterende.
|
Lehrmethoden |
Vorlesung; schriftliche Unterlagen (Präsentationsslides) werden zur Verfügung gestellt.
|
Abhaltungssprache |
Englisch |
Literatur |
PDF-Versionen der Präsentationsslides werden wöchentlich via KUSSS bzw. Moodle zur Verfügung gestellt.
Empfohlenes Lehrbuch (nicht notwendig, wenn Vorlesungen regelmäßig besucht werden):
Russell, S.J. and Norvig, P. (2004). Artificial Intelligence: A Modern Approach (3rd Edition). Englewood Cliffs, NJ: Prentice-Hall.
|
Lehrinhalte wechselnd? |
Nein |
Äquivalenzen |
ist gemeinsam mit INBIPUEAINT: UE Artificial Intelligence (1,5 ECTS) äquivalent zu INMWAKVKINT: KV Künstliche Intelligenz (3 ECTS)
|