Modul:IAM (SPO 2018):Methoden der KI
Studiengang | Interaktive Medien (IAM (SPO 2018)) |
---|---|
Studienabschnitt | Spezialisierungssphase |
Modulkatalog | Informatik |
Name | Methoden der KI |
Name (englisch) | Artificial Intelligence |
Kürzel | KI6.WP |
Unterrichtssprache | Deutsch |
Voraussetzungen | Grundlagen der Informatik des Grundstudiums und Vertrautheit mit einer Programmiersprache (z.B. Java, Python, C++) |
Verwendbarkeit | Bachelorstudiengang Interaktive Medien, Bachelorstudiengang Informatik (FWP), Bachelorstudiengang Wirtschaftsinformatik (FWP), Bachelorstudiengang Technische Informatik (FWP) |
Turnus | Üblicherweise im Jahreszyklus; die Lehrveranstaltung wird nur angeboten, wenn sich genügend Teilnehmer anmelden. |
Modulart: | Wahlpflichtmodul |
Wird gehalten: | Sommersemester |
Studiensemester | IAM 4 |
Dauer | 1 Semester |
Lehrformen | Seminaristischer Unterricht, Praktikum |
Credits | 8 |
SWS | 6 (Lehre: 2, Praktikum: 4) |
Workload | Präsenzstudium: 90 h (durchschnittlich 6 h pro Woche) Eigenstudium: 110 – 150 h (durchschnittlich 7.3 – 10 h pro Woche) |
Modulkoordinator(en) | Thomas Rist |
Lehrende(r) |
Die Prüfung wird voraussichtlich wieder im kommenden Semester angeboten.
Prüfungsnr. B. A. | 1918027 |
---|---|
Prüfungsnr. B. Sc. | 1918126 |
Prüfer | Thomas Rist |
Zweitprüfer | Christian Märtin |
Prüfungsart | Klausur |
Prüfungsdetails | Dauer: 60 Min |
Hilfsmittel | |
Zeugnisgewichtung | 100 % |
Benotung | Kommanote |
Anmerkungen
Seminaristischer Unterricht zur Vermittlung theoretischer Grundlagen konzeptioneller Lösungsansätze, die anhand ausgewählter Problemstellungen mit den Studierenden gemeinsam bearbeitet werden.
In einem begleitenden Praktikum bearbeiten die Teilnehmer selbst-ständig eine konkrete Anwendungsaufgabe (z.B. aus dem Bereich Maschinelles Lernen und Data Mining, Robotik, Expertensystem,Spiele-KI).
Lernergebnisse/Qualifikationsziele
Teilnehmer
- verfügen über einen fundierten Überblick zu gängigen KI Methoden und KI-Techniken,
- kennen typische Anwendungsfelder, in denen KI-Techniken zum Einsatz kommen,
- sind in die Lage, ausgewählte Problemstellungen mit dafür passenden KI-Methoden zu bearbeiten.
Inhalte
Grundlagen
- KI-Begriff aus wissenschaftlicher, technischer und gesellschaftlicher Perspektive
- starke versus schwache KI
- Modellierung intelligenter Fähigkeiten in technischen Systemen
Problemlösung als Suchaufgabe
- Modellierung von Anwendungsproblemen
- Suchverfahren (u.a. A*, MinMax, Strategiespiele)
- Modellierung mit Constraints und Constraint Solver
Wissensbasierte Systeme
- Regelsysteme, Expertensysteme
- Logisches Schlussfolgern, Logik-Kalküle, SAT-Solver
- Wissensrepräsentation, ontologisches Modellieren
- Verfahren zur Handlungsplanung
- Probabilistisches Schließen, Bayes-Netzte, Fuzzy-Inferenz
Lernfähige Systeme, Maschinelles Lernen und Data Mining
- Grundbegriffe: überwachtes/unüberwachtes Lernen, symbolische/nicht-symbolische Ansätze
- Clustering, Klassifikation, Knowledge-Discovery
- Reinforcement Learning
- Neurocomputing und künstliche Neuronale Netze
- Ansätze zum Deep Learning
Ausblick auf aktuelle und sich abzeichnende Forschungsfelder
Zu den behandelten Themenstellungen werden Software-Werkzeuge bzw. Bibliotheken vorgestellt, mit denen praktische Problemstellungen bearbeitet werden können.
Literatur
- Stuart Russel, Peter Norvig: Künstliche Intelligenz Pearson Studium – IT, Gebundene Ausgabe, 2012.
- Wolfgang Ertel: Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung. 4. Auflage, Springer Verlag, 2016.
- Jürgen Cleve, Uwe Lämmel: Data Mining. De Gruyter Studium,Taschenbuch, 2014.
- Peter Buxmann, Holger Schmidt (Hrsg.): Künstliche Intelligenz:Mit Algorithmen zum wirtschaftlichen Erfolg, Springer Gabler, 2018.
Weitere Literatur (darunter aktuelle Fachpublikationen) wird jeweils passend zu den besprochenen Themen während der Vorlesung empfohlen.