| INFMW Künstliche Intelligenz | SG | INF | |
|---|---|---|---|
| Dozent : |
Dipl.-Inform. Ingo Boersch
eMail
Prof. Dr. Emanuel Kitzelmann eMail |
Semester | 2 |
| Einordnung : | Master Informatik (Winter-Immatrikulation) | SWS | 4 |
| Sprache : | Deutsch | Art | VÜS |
| Prüfungsart : | PL | Credits | 6 |
| Prüfungsform : | Klausur 120 min | ||
| Voraussetzungen : | |||
| Querverweise : | |||
| Vorkenntnisse : | empfohlen: Grundlagen der Wissensverarbeitung | ||
| Hilfsmittel und Besonderheiten : | Studien- und Prüfungsleistungen: Semesterbegleitende Leistungen können in die Bewertung einbezogen werden. | ||
| Lehrziele : | Die Studierenden kennen und verstehen spezielle Problemstellungen und Grundkonzepte der Künstlichen Intelligenz (KI). Sie kennen Lösungsansätze für typische KI-Probleme. Die Studierenden sind in der Lage, entsprechende Verfahren und Algorithmen anzuwenden, zu konstruieren und zu implementieren sowie deren Leistungsfähigkeit abzuschätzen und zu beurteilen. Insbesondere Themen mit Relevanz für Medizininformatik, verteilte und vernetzte Systeme sowie (verteilte) intelligente Systeme werden beherrscht. Durch praktische Übungen mit vorhandenen Tools ist anwendungsbereites Wissen besonders gefestigt. | ||
| Lehrinhalte : | Bayessche Netze als Tool z.B. für Spamfilter/Security und medizinische Diagnose | ||
| Literatur : | Skript/Folien zur Lehrveranstaltung in Moodle Boersch I., Heinsohn J., Socher R.: Wissensverarbeitung - Eine Einführung in die Künstliche Intelligenz, Spektrum, 2. Auflage, 2007 Judea Pearl: Causality. Cambridge University Press, Cambridge, 2000 Ghallab M., Nau D., Traverso P.: Automated Planning and Acting, Cambridge University Press, 2016 R. S. Sutton und A. G. Barto. Reinforcement Learning: An Introduction. Cambridge, MA, 2018. Ris-Ala, R.: Fundamentals of Reinforcement Learning. Springer Nature, 2023 Weitere Literatur im Rahmen der Lehrveranstaltung | ||