Künstliche Intelligenz für autonome Systeme (KIS)
6/7. Semester
5 ECTS | 4 SWS
Referat (R)
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 (CP)
|
5 |
| Modulverantwortlich |
Prof. Dr. Jörn Fischer |
| Dauer |
1 Semester |
|
Studienleistung
|
Keine |
|
Prüfungsvorleistung
|
Projektarbeit (PA) |
|
Prüfungsleistung
|
Referat (R) |
Semesterwochenstunden (SWS)
| Vorlesung |
2 SWS |
| Projekt |
2 SWS |
| Summe |
4 SWS |
Arbeitsaufwand (Workload)
| Vorlesung |
30 h |
| Selbststudium |
90 h |
| Projekt |
30 h |
| Summe |
150 h |
