MENUMENU
MENUMENU

Künstliche Intelligenz (DLBIKI01)

Kursnummer:

DLBIKI01

Kursname:

Künstliche Intelligenz

Gesamtstunden:

150 h

ECTS Punkte:

5 ECTS

Kurstyp: Pflicht

Kursangebot: WS, SS

Course Duration: Minimaldauer 1 Semester

Zugangsvoraussetzungen:

Theoretische Informatik und Mathematische Logik (DLBITIML)

Kurskoordinator(en) / Dozenten / Lektoren:

Siehe aktuelle Liste der Tutoren im Learning Management System

Bezüge zu anderen Modulen:

Siehe Modulbeschreibung

Beschreibung des Kurses:

Künstliche Intelligenz (KI), also die Automatisierung von Abläufen, die „Intelligenz“ benötigen, wurde schon in der Frühzeit der Informatik als Vision formuliert und beispielsweise durch den Turing-Test konkretisiert. In den 2010er Jahren gab es erhebliche Fortschritte zur Erreichung dieser Vision, in erster Linie Weiterentwicklungen der neuronalen Netze. Diese Fortschritte haben dazu geführt, dass Techniken der KI in deutlich wachsendem Umfang nicht nur erforscht, sondern praktisch eingesetzt werden. Eng verwandte neuere Forschungsgebiete wie Data Mining und maschinelles Lernen wenden in erheblichem Umfang Techniken der KI an. Ziel dieses Kurses ist es daher, die grundlegenden Konzepte und Techniken der künstlichen Intelligenz sowie deren praktische Anwendung zu vermitteln.

Kursziele:

Nach erfolgreichem Abschluss des Kurses sind die Studierenden in der Lage,

  • die historische Entwicklung des Fachgebietes und seiner Kernideen, insbesondere vom regelbasierten zum netzbasierten Vorgehen, zu benennen.
  • bei konkreten Aufgabenstellungen die verschiedenen Methoden der KI gegenüberzustellen und auszuwählen.
  • die grundlegenden Ansätze für neuronale Netze zu beschreiben.
  • einfache KI-Anwendungen auf Basis bestehender Bibliotheken und Dienste zu entwickeln.
  • die Möglichkeiten und Grenzen von künstlicher Intelligenz zu diskutieren.

Lehrmethoden:

Die Lehrmaterialien enthalten Skripte, Video-Vorlesungen, Übungen, Podcasts, (Online-) Tutorien und Fallstudien. Sie sind so strukturiert, dass Studierende sie in freier Ortswahl und zeitlich unabhängig bearbeiten können.

Inhalte des Kurses:

1. Einführung

1.1 Grundbegriffe der (künstlichen) Intelligenz

1.2 Geschichte der künstlichen Intelligenz

1.3 Agentensysteme

1.4 Künstliche Intelligenz und Wissensmanagement

1.5 Unsicheres Wissen

2. Logik-Grundlagen

2.1 Aussagenlogik

2.2 Prädikatenlogik

2.3 Resolution und Unifikation

2.4 Hornklauseln und regelbasierte Wissensrepräsentation

2.5 Logik-Programmierung mit Prolog

2.6 Backtracking, Unifikation und Ablaufsteuerung in Prolog

3. Problemlösung durch Suche

3.1 Uninformierte Suche

3.2 Informierte (heuristische) Suche

3.3 Spiele mit Gegner

3.4 Heuristische Bewertungsfunktionen

4. Neuronale Netze

4.1 Das Perzeptron

4.2 Back-Propagation-Netze

4.3 Hopfield-Netze

5. Data Mining und maschinelles Lernen

5.1 Grundbegriffe

5.2 Klassifikation

5.3 Clustering

5.4 Support Vector Machines

6. Entwicklung von KI-Anwendungen

6.1 Vorgehensweise

6.2 Bibliotheken und Dienste

6.3 Training neuronaler Netze

7. Ausgewählte Anwendungen der künstlichen Intelligenz

7.1 Expertensysteme

7.2 Schach und Go

7.3 Watson

7.4 Zeichenerkennung

7.5 Gesichtserkennung

7.6 Selbstfahrende Autos

7.7 Gesellschaftliche Auswirkungen der KI

Literatur:

  • Eberl, U. (2016): Smarte Maschinen: Wie Künstliche Intelligenz unser Leben verändert. Hanser Verlag, München.
  • Ertel, W. (2016): Grundkurs Künstliche Intelligenz. Eine praxisorientierte Einführung. Springer Vieweg, Wiesbaden.
  • Lämmel, U./Cleve, J. (2012): Künstliche Intelligenz. Hanser Verlag, München.
  • Russel, S./Norvig, P. (2012): Künstliche Intelligenz. Ein moderner Ansatz. Pearson Studium, München.

Prüfungszugangsvoraussetzung:

  • Kursabhängig: Begleitende Online-Lernkontrolle (max. 15 Minuten je Lektion, bestanden / nicht bestanden)
  • Kursevaluation

Prüfungsleistung:

Schriftliche Ausarbeitung: Hausarbeit

Zeitaufwand Studierende (in Std.): 150

Selbststudium (in Std.): 110
Selbstüberprüfung (in Std.): 20
Tutorien (in Std.): 20