Es werden verschiedene Probleme des maschinellen Lernens und der Neuroinformatik formalisiert und unterschiedliche Algorithmen eingeführt, die Beispielprobleme in konkreten Situationen algorithmisch lösen können. Themen sind etwa: Klassifikation und Regression durch Lazy learning, lineare Verfahren, Perzeptron/Adatron, Bayes-Klassifikator, zeitliche Aspekte behandelt durch MDPs, unüberwachte Verfahren wie Oja/Sanger, Fuzzy-Clustering, Grundlagen der Lerntheorie.
| Rhythmus | Tag | Uhrzeit | Format / Ort | Zeitraum | |
|---|---|---|---|---|---|
| wöchentlich | Di | 14-16 | H11 | 08.04.-19.07.2013 |
Verstecke vergangene Termine <<
| Datum | Uhrzeit | Format / Raum | Kommentar zum Prüfungstermin |
|---|---|---|---|
| Dienstag, 23. Juli 2013 | 14-16 | H15 | |
| Dienstag, 8. Oktober 2013 | 14-16 | H15 | Nachklausur |
Verstecke vergangene Prüfungstermine <<
| Modul | Veranstaltung | Leistungen | |
|---|---|---|---|
| 39-Inf-13 Grundlagen künstlicher Kognition Grundlagen künstlicher Kognition | Grundlagen künstlicher Kognition II | Studieninformation | |
| - | unbenotete Prüfungsleistung | Studieninformation |
Die verbindlichen Modulbeschreibungen enthalten weitere Informationen, auch zu den "Leistungen" und ihren Anforderungen. Sind mehrere "Leistungsformen" möglich, entscheiden die jeweiligen Lehrenden darüber.