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 (2000). Modeling and Reasoning with Bayesian Networks. Cambridge Univ. Press.
J. Pearl (2009) Causality: Models, Reasoning and Inference. 2nd edition, Cambridge Univ. Press.
Frequency | Weekday | Time | Format / Place | Period |
---|
Module | Course | Requirements | |
---|---|---|---|
39-M-Inf-VKI Vertiefung Künstliche Intelligenz | Spezielle Themen der Künstlichen Intelligenz | Student information |
The binding module descriptions contain further information, including specifications on the "types of assignments" students need to complete. In cases where a module description mentions more than one kind of assignment, the respective member of the teaching staff will decide which task(s) they assign the students.
Degree programme/academic programme | Validity | Variant | Subdivision | Status | Semester | LP | |
---|---|---|---|---|---|---|---|
Naturwissenschaftliche Informatik / Diplom | (Enrollment until SoSe 2004) | allgem.HS; MMK | Teilleistung mündliche Prüfung möglich HS | ||||
Studieren ab 50 |