Hauptinhalt
Dieser Eintrag ist aus dem Wintersemester 2016/17 und möglicherweise veraltet. Ein aktuelles Äquivalent finden Sie hier.
CS 592 — Künstliche Intelligenz
(engl. Artificial Intelligence)
Niveaustufe, Verpflichtungsgrad | Vertiefungsmodul, Wahlpflichtmodul |
Lehr- und Lernformen, Arbeitsaufwand |
Vorlesung (2 SWS), Übung (2 SWS), 180 Stunden (60 Std. Präsenzzeit, 120 Std. Selbststudium) |
Leistungspunkte, Voraussetzungen zum Erwerb |
6 LP Studienleistung(en): Erreichen von mindestens 50 Prozent der Punkte aus den wöchentlich zu bearbeitenden Übungsaufgaben und mündliche Präsentation der Lösung von mindestens zwei der Übungsaufgaben. Prüfungsleistung: Mündliche Prüfung oder Klausur |
Sprache, Benotung |
Deutsch,Die Benotung erfolgt mit 0 bis 15 Punkten gemäß der Prüfungsordnung für den Studiengang M.Sc. Informatik. |
Dauer des Moduls, Häufigkeit |
Ein Semester, Jedes zweite Wintersemester |
Modulverantwortliche(r) | Prof. Dr. Alfred Ultsch |
Inhalt
- Programmieren in Prolog/ Prädikatenlogik /Constraints
- Wissen, Wissensrepräsentation, Inferenz
- Struktur wissensbasierter Systeme
- Wahrscheinlichkeitsbasiertes Schließen
- DS und Fuzzy Inferenz
- Knowledge Engineering und maschinelles Lernen
- Nichtklassische Logiken
- Praxis der wissensbasierten Systeme /Agentensystem
Qualifikationsziele
Die Studierenden sollen
- Fertigkeiten und Kenntnis der wichtigsten KI-Methoden und deren Anwendung in der Praxis kennenlernen.
- wissensbasierter Inferenzsysteme, in Prädikatenlogik (Prolog) erstellen können.
- Wissensrepräsentationsformen verwenden können,
- über Kenntnisse von Problemlösungs-, Such- und Planungsalgorithmen verfügen,
- einen Überblick über gebräuchliche Methoden des Schätzen: Bayes, Demster/Shafer, Fuzzy Inferenz besitzen,
- Methoden des Wissenserwerbs aus dem Bereich des maschinellen Lernen und Knowledge Engineering kennen,
- einen Einblick in nicht-klassiche Logiken besitzen,
- wissenschaftlicher Arbeitsweisen einüben (Erkennen, Formulieren, Lösen von Problemen, Schulung des Abstraktionsvermögens)
- mündliche Kommunikationsfähigkeit in den Übungen durch Einüben der freien Rede vor einem Publikum trainieren
Voraussetzungen
Keine. Empfohlen werden die Kompetenzen aus den Basismodulen zur Informatik und Knowledge Discovery.
Verwendbarkeit
Importmodul aus dem M.Sc. Informatik.
Es kann im FB12 verwendet werden im Studiengang bzw. in den Studiengängen
- B.Sc. Informatik
- M.Sc. Data Science
- M.Sc. Informatik
- M.Sc. Mathematik
- LAaG Informatik
Im Studiengang M.Sc. Data Science kann das Modul im Studienbereich Informatik Vertiefungsmodule absolviert werden.
Literatur
- W.F. Clocksin, C.S. Mellish: Programming in Prolog, Springer, 2003.
- S. Russell, P. Norvig. Artificial Intelligence: A Modern Approach. Prentice Hall, 2002.
Bitte beachten Sie:
Diese Seite beschreibt ein Modul gemäß dem im Wintersemester 2016/17 aktuellsten gültigen Modulhandbuch. Die meisten für ein Modul gültigen Regeln werden nicht durch die Prüfungsordnung festgelegt, und können daher von Semester zu Semester aktualisiert werden. Folgende Versionen liegen im Online-Modulhandbuch vor:
- WiSe 2016/17
- SoSe 2018
- WiSe 2018/19
- WiSe 2019/20
- WiSe 2020/21
- SoSe 2021
- WiSe 2021/22
- WiSe 2022/23
- WiSe 2023/24
Das Modulhandbuch enthält alle Module, unabhängig vom aktuellen Veranstaltungsangebot, vergleichen Sie dazu bitte das aktuelle Vorlesungsverzeichnis in Marvin.
Die Angaben im Online-Modulhandbuch wurden automatisch erstellt. Rechtsverbindlich sind die Angaben der Prüfungsordnung. Wenn Ihnen Unstimmigkeiten oder Fehler auffallen, sind wir für Hinweise dankbar.