| INFM Künstliche Intelligenz | SG | INF | |
|---|---|---|---|
| Dozent : |
Prof. Dr.-Ing. Jochen Heinsohn
eMail
Dipl.-Inform. Ingo Boersch eMail |
Semester | 2 |
| Einordnung : | Informatik Master | 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 haben ihr bereits vorhandenes Wissens im Bereich einfacher KI-Konzepte vertieft, so wie sie in Bachelor-Studiengängen Informatik/ ACS/ Medizininformatik gelehrt werden. Die Studierenden kennen spezielle Kapitel der Künstlichen Intelligenz (KI) und ihrer praktischen Anwendungen. 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. Die Studierenden sind in der Lage, entsprechende Verfahren und Algorithmen anzuwenden, zu konstruieren und zu implementieren sowie deren Leistungsfähigkeit abzuschätzen und zu beurteilen. | ||
| Lehrinhalte : | Bayessche Netze als Tool z.B. für Spamfilter/Security und medizinische Diagnose (www.hugin.com) | ||
| 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 Eibe/Witten: Data Mining, Hanser Verlag, 2001 Baader et al.: The Description Logic Handbook, 2nd ed., Cambridge, 2010 Weitere Literatur im Rahmen der Lehrveranstaltung | ||