Modul:IAM (SPO 2018):Künstliche Intelligenz für Computerspiele: Unterschied zwischen den Versionen

aus GlossarWiki, der Glossar-Datenbank der Fachhochschule Augsburg
Keine Bearbeitungszusammenfassung
Keine Bearbeitungszusammenfassung
Zeile 46: Zeile 46:
|gewichtung=100
|gewichtung=100
|pruefungsinhalte=
|pruefungsinhalte=
|qualifikationsziele=Teilnehmer
|qualifikationsziele='''Kenntnisse:'''<br/>
* verfügen über einen fundierten Überblick zu gängigen KI Methoden und KI-Techniken,
Die Studierenden erhalten einen Überblick zu
* kennen  typische  Anwendungsfelder,  in  denen  KI-Techniken zum Einsatz kommen,
    • Methoden der Entwicklung und Implementierung von Computerspielen,
* sind in die  Lage,  ausgewählte  Problemstellungen  mit  dafür passenden KI-Methoden zu bearbeiten.
    • Werkzeugen und Bibliotheken der Spieleprogrammierung
|inhalte=Grundlagen
     
* KI-Begriff aus wissenschaftlicher, technischer und gesellschaftlicher Perspektive
'''Fertigkeiten:'''<br/>
* starke versus schwache KI
Die Studierenden sind in der Lage
* Modellierung  intelligenter  Fähigkeiten  in  technischen Systemen
    • technische Konzeptionen für Computerspiele auszuarbeiten,
 
    • lauffähige Prototypen mittels geeigneter Werkzeuge (Game-Engine, Bibliotheken) zu implementieren.
Problemlösung als Suchaufgabe
     
* Modellierung von Anwendungsproblemen
'''Kompetenzen:'''<br/>
* Suchverfahren (u.a. A*, MinMax, Strategiespiele)
Die Studierenden können
* Modellierung mit Constraints und Constraint Solver
    • Designentscheidungen und Werkzeugauswahl begründen,
 
    • entwickelte Prototypen hinsichtlich relevanter Kriterien bewerten.
Wissensbasierte Systeme
|inhalte=* Anatomien verschiedener Typen von Computerspielen
*Regelsysteme, Expertensysteme
* Spielemechaniken
*Logisches Schlussfolgern, Logik-Kalküle, SAT-Solver
* Abbildung konzeptioneller Überlegungen auf technische Komponenten, Softwarearchitekturen, Datenstrukturen und Algorithmen
*Wissensrepräsentation, ontologisches Modellieren
* Vorgehensmodelle, Workflows, Asset Production Pipelines
*Verfahren zur Handlungsplanung
* Game-Engines und Entwicklungsumgebungen
*Probabilistisches Schließen, Bayes-Netzte, Fuzzy-Inferenz
* Programmierpatterns für Spiele, grundlegende Game-Loops
 
* Programmiertechniken, objektorientierte Programmierung und grafisches Scripten
Lernfähige Systeme, Maschinelles Lernen und Data Mining
* Interaktionsparadigmen, Einbindung spezieller Eingabe-Controller und Aktuatoren
* Grundbegriffe:  überwachtes/unüberwachtes Lernen, symbolische/nicht-symbolische Ansätze
* Spiele-KI und Spiele-Physik
* Clustering, Klassifikation, Knowledge-Discovery
* Balancing und Evaluation
* Reinforcement Learning
     
* Neurocomputing und künstliche Neuronale Netze
Zu Beginn des Semesters wählen die Kursteilnehmer aus vorgegebenen Aufgabenstellung ein Thema aus, das sie im Rahmen einer Studienarbeit vertiefend bearbeiten.
* Ansätze zum Deep Learning
|literatur=Aktuelle Literaturempfehlungen zu behandelten Themen werden im Kurs bekannt gegeben.
 
|anmerkungen=
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.
|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).
|in_handbuch=Ja
|in_handbuch=Ja
|lehrender=Thomas Rist
|lehrender=Thomas Rist
}}
}}

Version vom 22. April 2021, 16:56 Uhr

Studiengang Interaktive Medien (IAM (SPO 2018))
Studienabschnitt Spezialisierungssphase
ModulkatalogInformatik
Name Künstliche Intelligenz für Computerspiele
Name (englisch) Artificial Intelligence
Kürzel KICS.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. 1918032
Prüfungsnr. B. Sc. 1918129
Prüfer Thomas Rist
Zweitprüfer Christian Märtin
Prüfungsart Studienarbeit
Prüfungsdetails Dauer: 110 – 150 h

Gewichtung der Einzelleistungen:

  • Werkstück der Studienarbeit: 70%
  • Dokumentation der Studienarbeit: 20%
  • Präsentation der Studienarbeit: 10%
Hilfsmittel
Zeugnisgewichtung 100 %
Benotung Kommanote

Lernergebnisse/Qualifikationsziele

Kenntnisse:
Die Studierenden erhalten einen Überblick zu 

   • Methoden der Entwicklung und Implementierung von Computerspielen,
   • Werkzeugen und Bibliotheken  der Spieleprogrammierung

Fertigkeiten:
Die Studierenden sind in der Lage 

   • technische Konzeptionen für Computerspiele auszuarbeiten,
   •  lauffähige Prototypen mittels geeigneter Werkzeuge (Game-Engine, Bibliotheken) zu implementieren.

Kompetenzen:
Die Studierenden können 

   • Designentscheidungen und Werkzeugauswahl begründen,
   • entwickelte Prototypen hinsichtlich relevanter Kriterien bewerten.

Inhalte

  • Anatomien verschiedener Typen von Computerspielen
  • Spielemechaniken
  • Abbildung konzeptioneller Überlegungen auf technische Komponenten, Softwarearchitekturen, Datenstrukturen und Algorithmen
  • Vorgehensmodelle, Workflows, Asset Production Pipelines
  • Game-Engines und Entwicklungsumgebungen
  • Programmierpatterns für Spiele, grundlegende Game-Loops
  • Programmiertechniken, objektorientierte Programmierung und grafisches Scripten
  • Interaktionsparadigmen, Einbindung spezieller Eingabe-Controller und Aktuatoren
  • Spiele-KI und Spiele-Physik
  • Balancing und Evaluation

Zu Beginn des Semesters wählen die Kursteilnehmer aus vorgegebenen Aufgabenstellung ein Thema aus, das sie im Rahmen einer Studienarbeit vertiefend bearbeiten.

Literatur

Aktuelle Literaturempfehlungen zu behandelten Themen werden im Kurs bekannt gegeben.

Abgerufen von „https://glossar.hs-augsburg.de/w/index.php?title=Modul:IAM_(SPO_2018):Künstliche_Intelligenz_für_Computerspiele&oldid=50495“