Hauptinhalt
Dieser Eintrag ist aus dem Sommersemester 2018 und möglicherweise veraltet. Es konnte kein aktuelles Äquivalent gefunden werden.
CS 692 — Datenbionik
(engl. Databionics)
Niveaustufe, Verpflichtungsgrad | Vertiefungsmodul, Wahlpflichtmodul |
Lehr- und Lernformen, Arbeitsaufwand |
Vorlesung (4 SWS), Übung (2 SWS), 270 Stunden (90 Std. Präsenzzeit, 180 Std. Selbststudium) |
Leistungspunkte, Voraussetzungen zum Erwerb |
9 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 Sommersemester |
Modulverantwortliche(r) | Prof. Dr. Alfred Ultsch |
Inhalt
Datenbionik bedeutet die Übertragung von Algorithmen zur Datenverarbeitung aus der Natur. Beispiele hierfür sind Künstliche Neuronale Netze und Genetische Algorithmen.
- Einführung in die bekannten Theorien naturanaloger Informationsverarbeitung
- Konnektionistische Modelle
- Evolutionäre und Genetische Algorithmen
- Schwarmintelligenz & Artificial Life
- Ant Colony Optimization & Partikelschwarm Optimierung
Qualifikationsziele
Die Studierenden sollen
- Gebräuchliche datenbionische Methoden kennen,
- Möglichkeiten und Grenzen naturanaloger Informationsverarbeitung kennen,
- ausgehend von einer konkreten Problemstellung in der Lage sein, eine Lösung mittels datenbionischer Methoden zu entwerfen,
- 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, die in den Basismodulen der Informatik vermittelt werden.
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
- M.Sc. Wirtschaftsinformatik
- M.Sc. Wirtschaftsmathematik
- LAaG Informatik
Im Studiengang M.Sc. Wirtschaftsmathematik kann das Modul im Studienbereich Vertiefungsbereich absolviert werden.
Die Wahlmöglichkeit des Moduls ist dadurch beschränkt, dass es der Informatik zugeordnet ist.
Literatur
- R. Rojas, Theorie der neuronalen Netze, Springer 1996
- T. Kohonen, Self-Organizing Maps, Springer, 2003
- E. Bonabeu, M. Dorigo, G. Theraulaz, Swarm Intelligence, 1999
- D. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, Kluwer Academic Publishers, 2001
- Ashlock, D.Evolutionary Computation for Modeling and Optimization, Springer,2006
Bitte beachten Sie:
Diese Seite beschreibt ein Modul gemäß dem im Sommersemester 2018 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 (kein Äquivalent)
- SoSe 2018
- WiSe 2018/19
- WiSe 2019/20
- WiSe 2020/21
- SoSe 2021
- WiSe 2021/22
- WiSe 2022/23
- WiSe 2023/24 (kein Äquivalent)
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.