Egal in welcher Domäne oder für welche Aufgabe, künstliche Systeme müssen genau wie wir Menschen mit Unsicherheiten umgehen können. Ganz besonders zentral ist diese Anforderung in intelligenten und autonomen Systemen. Unsicherheit entsteht dort fortwährend durch die stets beschränkten Kapazitäten der Wahrnehmung, des Wissensumfangs sowie der Schlussfolgerungs- und Handlungsfähigkeiten. In dieser Vorlesung werden Konzepte und Methoden der modernen Künstlichen Intelligenz und der Robotik vermittelt um intelligenten Agenten zu konstruieren, die
auf Techniken des Schließens und Entscheidens unter unvollständigem und unsicherem Wissen beruhen (Planen, Spielen, probabilistisches Schließen, Bayes-Netze, Markov-Entscheidungsprobleme).
Russel & Norvig (2002). Artificial Intelligence: A modern approach. 2nd edition, Prentice Hall.
Darwiche (200). Modeling and Reasoning with Bayesian Networks. Cambridge Univ. Press.
J. Pearl (2009) Causality: Models, Reasoning and Inference. 2nd edition, Cambridge Univ. Press.
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Studiengang/-angebot | Gültigkeit | Variante | Untergliederung | Status | Sem. | LP | |
---|---|---|---|---|---|---|---|
Intelligente Systeme / Master | (Einschreibung bis SoSe 2012) | Vertiefung Künstliche Intell; Individuelle Ergänzung | Wahlpflicht | 2. | 6 | benotet /unbenotet V+Ü | |
Naturwissenschaftliche Informatik / Diplom | (Einschreibung bis SoSe 2004) | allgem.HS; MMK | Teilleistung mündliche Prüfung möglich HS | ||||
Naturwissenschaftliche Informatik / Master | (Einschreibung bis SoSe 2012) | Vertiefung Künstliche Int; Individuelle Ergänzung | Wahlpflicht | 2. | 6 | benotet /unbenotet V+Ü | |
Studieren ab 50 |