Artificial Intelligence
Niveau
Masterstudium
Lernergebnisse der Lehrveranstaltungen/des Moduls
Folgende Kompetenzen werden in der Lehrveranstaltung erarbeitet:
- Die Studierenden kennen unterschiedliche Strategien zur Umsetzung von künstlich intelligenten Systemen.
- Die Studierenden verstehen die Vor- und Nachteile der erarbeiteten Strategien und wissen um deren Herausforderungen.
- Die Studierenden können Strategien entwickeln, um künstlich intelligente Systeme für den praktischen Einsatz zu konzipieren.
- Die Studierenden kennen unterschiedliche Strategien zur Umsetzung von künstlich intelligenten Systemen.
- Die Studierenden verstehen die Vor- und Nachteile der erarbeiteten Strategien und wissen um deren Herausforderungen.
- Die Studierenden können Strategien entwickeln, um künstlich intelligente Systeme für den praktischen Einsatz zu konzipieren.
Voraussetzungen der Lehrveranstaltung
Keine Voraussetzungen
Lehrinhalte
Folgende Inhalte werden in der Lehrveranstaltung besprochen:
- Reasoning-Ansätze (Roal trees, Regelbasierte Expertensysteme)
- Such-Ansätze (depth-first, hill climbing, beam, optimal, branch and bound, A*, games, minimax, and alpha-beta)
- Constraint-Ansätze (Search, domain reduction, visual object recognition)
- Lern-Ansätze (neural nets, back propagation, genetic algorithms, sparse spaces, phonology, near misses, felicity conditions, support vector machines, boosting)
- Repräsentation-Ansätze (classes, trajectories, transitions)
- Einsatzmöglichkeiten von künstlicher Intelligenz in unterschiedlichen Kontexten
- Schwache versus starke, künstlicher Intelligenz
Diese Lehrveranstaltung wird zusammen mit dem Master Web Communication & Information Systems als Wahlveranstaltung angeboten.
- Reasoning-Ansätze (Roal trees, Regelbasierte Expertensysteme)
- Such-Ansätze (depth-first, hill climbing, beam, optimal, branch and bound, A*, games, minimax, and alpha-beta)
- Constraint-Ansätze (Search, domain reduction, visual object recognition)
- Lern-Ansätze (neural nets, back propagation, genetic algorithms, sparse spaces, phonology, near misses, felicity conditions, support vector machines, boosting)
- Repräsentation-Ansätze (classes, trajectories, transitions)
- Einsatzmöglichkeiten von künstlicher Intelligenz in unterschiedlichen Kontexten
- Schwache versus starke, künstlicher Intelligenz
Diese Lehrveranstaltung wird zusammen mit dem Master Web Communication & Information Systems als Wahlveranstaltung angeboten.
Empfohlene Fachliteratur
PRIMÄRLITERATUR:
- Winson, P. H. (1992): Artificial Intelligence (Ed. 3), Pearson, (ISBN: 978-0201533774)
SEKUNDÄRLITERATUR:
- Russell, S.; Norvig, P. (2016): Artificial Intelligence: A Modern Approach, Global Edition (Ed. 3), Addison Wesley, Boston (ISBN: 978-1292153964)
- Winson, P. H. (1992): Artificial Intelligence (Ed. 3), Pearson, (ISBN: 978-0201533774)
SEKUNDÄRLITERATUR:
- Russell, S.; Norvig, P. (2016): Artificial Intelligence: A Modern Approach, Global Edition (Ed. 3), Addison Wesley, Boston (ISBN: 978-1292153964)
Bewertungsmethoden und -Kriterien
Klausur
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
4
E-Learning Anteil in %
30
Semesterwochenstunden (SWS)
2.0
Geplante Lehr- und Lernmethode
Folgende Methoden kommen zum Einsatz:
- Vortrag mit Diskussion
- Interaktiver Workshop
- Vortrag mit Diskussion
- Interaktiver Workshop
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
3
Name des/der Vortragenden
Dr. Dipl.-Ing. Dietmar Millinger
Studienjahr
Kennzahl der Lehrveranstaltung/des Moduls
DPR.4
Art der Lehrveranstaltung/des Moduls
Integrierte Lehrveranstaltung
Art der Lehrveranstaltung
Pflichtfach
Praktikum/Praktika
kein