| Detailinformationen |
| Quellcurriculum |
Bachelorstudium Informatik 2025W |
| Lernergebnisse |
Kompetenzen |
| Die Studierenden können neue Entwicklungen im Gebiet der Artificial Intelligence in historischer und methodischer Hinsicht einordnen und kritisch bewerten.
Sie sind in der Lage, auf der Basis eines Grundverständnisses von AI-Konzepten neue wissenschaftliche Literatur zu Teilgebieten der AI zu lesen und in größeren Zusammenhängen zu interpretieren, und können sich damit selbständig wissenschaftlich weiterbilden.
|
|
| Fertigkeiten |
Kenntnisse |
Die Studierenden
- können einfache Probleme in geeigneter Weise als Such-, Inferenz- oder Machine-Learning-Probleme formulieren
- können geeignete Methoden zur Lösung solcher Probleme identifizieren (k3)
- verstehen die Grundannahmen sowie die Möglichkeiten und Grenzen grundlegender Methodenklassen der AI (k2/k5).
|
- Definitionen der AI
- Fundamentale Konzepte der Artificial Intelligence, inclusive zugrundeliegende Annahmen und historischer Kontext
- Problemlösen als Suchprozess: Suchalgorithmen (uninformiert, heuristisch);
- 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, Grundkonzepte von Neural Networks und Deep Learning.
|
|
| 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. (2020). Artificial Intelligence: A Modern Approach (4th Edition). Pearson, 2020. ISBN 978-0134610993.
|
| Lehrinhalte wechselnd? |
Nein |
| Sonstige Informationen |
Diese Vorlesung bildet mit der dazugehörigen Übung eine didaktische Einheit. Die hier dargestellten Lernergebnisse werden im Zusammenwirken der beiden Lehrveranstaltungen erreicht
|
| Äquivalenzen |
ist gemeinsam mit INBIPUEAINT: UE Artificial Intelligence (1,5 ECTS)
äquivalent zu
INMWAKVKINT: KV Künstliche Intelligenz (3 ECTS)
|
