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.
Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum |
---|
Modul | Veranstaltung | Leistungen | |
---|---|---|---|
39-Inf-EGMI Ergänzungsmodul Informatik | vertiefende Übung 1.1 zu einer Vorlesung | unbenotete Prüfungsleistung
|
Studieninformation |
vertiefende Übung 1.2 zu einer Vorlesung | unbenotete Prüfungsleistung
|
Studieninformation | |
vertiefende Übung 1.3 zu einer Vorlesung | unbenotete Prüfungsleistung
|
Studieninformation | |
39-Inf-KR Cognitive Computing / Kognitives Rechnen | Kognitives Rechnen | Studieninformation | |
39-M-Inf-VKI Vertiefung Künstliche Intelligenz | Spezielle Themen der Künstlichen Intelligenz | 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 |