Künstliche Intelligenz für autonome Systeme (KIS)

Maschinen aufschlauen: Du entwickelst KI, die eigenständig handelt, z.B. für Bilderkennung, Sprache oder Bewegungen, und löst damit reale Probleme.

Inhalte

• Methoden der Künstlichen Intelligenz
• Planungsalgorithmen
• Evolutionäre Algorithmen in der Simulation
• Maschinelles Lernen in Real-Welt Szenarien
• Neuronale Netze für Bilderkennung, Sprachverarbeitung, zur Steuerung von Bewegungsabläufen etc.

Lernziele/Kompetenzen

Die Studierenden sind in der Lage,

• Methoden der Künstlichen Intelligenz zu verstehen
• Planungsalgorithmen zu verstehen
• Evolutionäre Algorithmen zu implementieren
• Machine Learning Ansätze für die reale Welt zu entwickeln
• Neuronale Netze für unterschiedliche Anwendungsszenarien zu implementieren

Literatur

• Fischer, Jörn: Maschinelles Lernen für Dummies, Wiley CH, ISBN: 978-3527720552, 2024
• S. Russell, P. Norvig, Artificial Intelligence A modern approach, ISBN: 978-0132071482, 2010
• I. Goodfellow, Y.Bengio, A. Courville : Deep Learning, MIT Press, ISBN: 978-0262035613, 2016
• Mitchell, Tom: Machine Learning. McGraw-Hill, 1997
• Zell, Andreas: Simulation Neuronaler Netze. Oldenbourg Verlag, München, 1997

Dozentinnen / Dozenten

• Prof. Dr. Jörn Fischer
• Prof. Dr. Thomas Ihme

Empfohlene Vorkenntnisse

• Lineare Algebra, Analysis, MLE von Vorteil

Daten zum Modul

Semester	6/7
Unterrichtssprache	Deutsch
Häufigkeit	Unregelmäßig
Kreditpunkte	5
Modulverantwortlich	Prof. Dr. Jörn Fischer
Dauer	1 Semester
Studienleistung	Keine
Prüfungsvorleistung	Praktische Arbeit/Projektarbeit (PA)
Prüfungsleistung	Referat (R)

Semesterwochenstunden

Vorlesung	2 SWS
Projekt	2 SWS
Summe	4 SWS

Arbeitsaufwand (work load)

Vorlesung	30 h
Selbststudium	90 h
Projekt	30 h
Summe	150 h