Lehrveranstaltung:NQ 2014:Künstliche Intelligenz in Computerspielen: Unterschied zwischen den Versionen

aus GlossarWiki, der Glossar-Datenbank der Fachhochschule Augsburg
Kowa (Diskussion | Beiträge)
Keine Bearbeitungszusammenfassung
Kowa (Diskussion | Beiträge)
Keine Bearbeitungszusammenfassung
 
Zeile 12: Zeile 12:
|voraussetzungen_lv=
|voraussetzungen_lv=
|wird_gehalten=
|wird_gehalten=
|semester=IMS 1, IMS 2
|wiederholungspruefung=Nein
|credits=
|credits=
|sws=
|sws=
Zeile 28: Zeile 28:
|inhalte=
|inhalte=
|literatur=
|literatur=
|semester=IMS 1, IMS 2
}}
}}

Aktuelle Version vom 16. September 2016, 16:08 Uhr

Die nachfolgenden Informationen wurden teilweise von Lehrveranstaltung:IMS_2014:Künstliche_Intelligenz_in_Computerspielen übernommen.

Studiengang Nachqualifikation IMS (NQ 2014)
Modul IMS
Name Künstliche Intelligenz in Computerspielen
Name (englisch) Artificial Intelligence for Computer Games
Kürzel nq.KIGAME
Wird gehalten: derzeit nicht
Semester IMS 1IMS 2
Lehrformen Seminaristischer Unterricht
Credits 5
SWS 4 (Lehre: 4, Teaching Points: 4)
Workload Präsenzstudium: 60 h (durchschnittlich 4 h pro Woche)
Eigenstudium: 90 h (durchschnittlich 6 h pro Woche)
Notengebung Kommanote (1,0; 1,3; 1,7; 2,0, 2,3; 2,7; 3,0; 3,3; 3,7; 4,0; 5,0)
Gewichtung (Modulnote): 16,67 %
Verantwortliche(r) Thomas Rist
Lehrende(r) Thomas Rist
Homepage

Lernziele

Die Studierenden kennen die grundlegende KI-Techniken, die in der Spieleprogrammierung zum Einsatz kommen. Sie sind in der Lage für ein Spielekonzept relevante Ansatzpunkte für den Einsatz von KI-Methoden zu identifizieren und den potentiellen Nutzen zu beurteilen. Sie sind in der Lage funktionale Prototypen zu erstellen, um den Einsatz einer ausgewählten KI-Technik im Kontext eines Computerspiels zu demonstrieren und zu evaluieren.

Inhalte

Die Studierenden recherchieren und machen sich mit KI-Methoden vertraut , die in Computerspielen zum Einsatz kommen bzw. in einer selbst gewählten Anwendung (z.B. ein im Masterprojekt entstehendes Spielkonzept) einsetzbar wären, u.a.:

  • Suchalgorithmen A*, Min-Max, Alpha-Beta Search
  • Wegfindung und strategisches Navigieren
  • Techniken zur Modellierung und Steuerung intelligenter Charaktere
  • Finite-State-Machines, Behaviour Trees, Rule-Engines, Planung
  • probabilistische Modelle zur Entscheidungsfindung
  • maschinelle Lernverfahren
  • Emergentes Verhalten von autonomen Agenten und Schwärmen

Prüfungen

Nummer Prüfer Zweitprüfer Prüfung Prüfungsart Prüfungsdetails Hilfsmittel
1996049 Thomas Rist derzeit nicht Präsentation, Studienarbeit siehe Dokument