Start my eKVV Studieninformation Lernräume Prüfungsverwaltung Anmelden

392101 Cognitive Computing: Reasoning and Decision Making with Probabilistic Graphical Models (V) (SoSe 2017)

Inhalt, Kommentar

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), mit denen in der Künstlichen Intelligenz und Robotik heutzutage intelligente autonome Agenten konstruiert werden. Neben den mathematischen Grundlagen werden auch die Algorithmen erarbeiten. 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. Modell-Lernen

Literaturangaben

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.

Lehrende

Termine (Kalendersicht )

Rhythmus Tag Uhrzeit Ort Zeitraum  

Zeige vergangene Termine >>

Klausuren

  • Keine gefunden

Fachzuordnungen

Modul Veranstaltung Leistungen  
39-Inf-EGMI Ergänzungmodul 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-MIKE Modularisierter individueller Kompetenz-Erwerb (MiKE) veranstaltungsübergreifend unbenotete Prüfungsleistung Studieninformation
39-M-Inf-VKI Vertiefung Künstliche Intelligenz 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    
Konkretisierung der Anforderungen
Keine Konkretisierungen vorhanden
Lernraum
TeilnehmerInnen
Automatischer E-Mailverteiler der Veranstaltung
Änderungen/Aktualität der Veranstaltungsdaten
Sonstiges