Eine wesentliche Anforderung an künstliche Systeme ist es, mit Unsicherheiten umgehen zu können. Ganz besonders zentral ist diese Fähigkeit in intelligenten und autonomen Systemen, in denen Unsicherheiten z.B. bzgl. der Wahrnehmung (was habe ich gesehen? was nicht?), des Wissens (wie vollständig und aktuell ist mein Wissen?), des Schließens (wie sicher kann ich mir sein? wie gut ist meine Entscheidung?) oder der Aktionen (hat das geklappt?) entstehen. In dieser Vorlesung werden moderne Techniken des Schließens und Entscheidens unter unvollständigem und unsicherem Wissen vermittelt (graphische probabilistische Modell, Bayes-Netze, Markov-Entscheidungsprobleme, maschinelles Lernen), mit denen in der Künstlichen Intelligenz und Robotik heutzutage intelligente autonome Agenten konstruiert werden. Neben den mathematischen Grundlagen werden auch die Algorithmen erarbeitet. Die Vorlesung wird von praktischen Programmierübungen in Form kleiner Projekte in Python begleitet.
Grober Aufbau der Vorlesung:
1. Einführung und mathematische Grundlagen (Wahrscheinlichkeits-, Graphentheorie)
2. Probablilistische graphische Modelle
3. Exakte und approximative Inferenzverfahren
4. Entscheidungsbäume und -netze, Markov-Entscheidungsprozesse
5. Lernen von probabilistischen Modellen, Reinforcement Learning
Darwiche (2000). Modeling and Reasoning with Bayesian Networks. Cambridge Univ. Press.
Koller & Friedman, Probabilistic Graphical Models, MIT Press
Barber, Bayesian Reasoning and Machine Learning, Cambridge Univ. Press
J. Pearl (2009) Causality: Models, Reasoning and Inference. 2nd edition, Cambridge Univ. Press.
Russel & Norvig (2002). Artificial Intelligence: A modern approach. 2nd edition, Prentice Hall.
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Modul | Veranstaltung | Leistungen | |
---|---|---|---|
39-Inf-EGMI Ergänzungsmodul Informatik | vertiefende Informatikvorlesung 2.1 | unbenotete Prüfungsleistung
|
Studieninformation |
39-Inf-KR Cognitive Computing / Kognitives Rechnen | Kognitives Rechnen | unbenotete Prüfungsleistung
benotete Prüfungsleistung |
Studieninformation |
39-M-Inf-VKI Vertiefung Künstliche Intelligenz | Spezielle Themen der Künstlichen Intelligenz | unbenotete Prüfungsleistung
benotete Prüfungsleistung |
Studieninformation |
39-M-Inf-VKIa Vertiefung Künstliche Intelligenz (5 LP) | Spezielle Themen der Künstlichen Intelligenz | benotete Prüfungsleistung
|
Studieninformation |
Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.
Studiengang/-angebot | Gültigkeit | Variante | Untergliederung | Status | Sem. | LP | |
---|---|---|---|---|---|---|---|
Studieren ab 50 |
Zu dieser Veranstaltung existiert ein Lernraum im E-Learning System. Lehrende können dort Materialien zu dieser Lehrveranstaltung bereitstellen: