Modul:IAM (SPO 2018):Methoden der KI

aus GlossarWiki, der Glossar-Datenbank der Fachhochschule Augsburg
Wechseln zu:Navigation, Suche
Studiengang Interaktive Medien (IAM (SPO 2018))
Studienabschnitt Spezialisierungssphase
ModulkatalogInformatik
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 in diesem 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

1 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).

2 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.

3 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.

4 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.