| archetype | title |
|---|---|
home |
IFM 5.14 / INF701: Künstliche Intelligenz (Winter 2023/24) |
Ausgehend von den Fragen "Was ist Intelligenz?" und "Was ist künstliche Intelligenz?" werden wir uns in diesem Modul mit verschiedenen Teilgebieten der KI beschäftigen und uns anschauen, welche Methoden und Algorithmen es gibt und wie diese funktionieren. Dabei werden wir auch das Gebiet Machine Learning berühren, aber auch andere wichtige Gebiete betrachten. Sie erarbeiten sich im Laufe der Veranstaltung einen Methoden-Baukasten zur Lösung unterschiedlichster Probleme und erwerben ein grundlegendes Verständnis für die Anwendung in Spielen, Navigation, Planung, smarten Assistenten, autonomen Fahrzeugen, ...
-
Problemlösen
- Zustände, Aktionen, Problemraum
- Suche (blind, informiert): Breiten-, Tiefensuche, Best-First, Branch-and-Bound, A-Stern
- Lokale Suche: Gradientenabstieg, Genetische/Evolutionäre Algorithmen (GA/EA)
- Spiele: Minimax, Alpha-Beta-Pruning, Heuristiken
- Constraints: Backtracking, Heuristiken, Propagation, AC-3
-
Maschinelles Lernen
- Merkmalsvektor, Trainingsmenge, Trainingsfehler, Generalisierung
- Entscheidungsbäume: CAL2, CAL3, ID3, C4.5
- Neuronale Netze
- Perzeptron, Lernregel
- Feedforward Multilayer Perzeptron (MLP), Backpropagation, Trainings- vs. Generalisierungsfehler
- Steuerung des Trainings: Kreuzvalidierung, Regularisierung
- Ausblick: Support-Vektor-Maschinen
- Naive Bayes Klassifikator
-
Inferenz, Logik(entfällt im W23)Prädikatenlogik: Modellierung, semantische und formale Beweise, Unifikation, ResolutionAusblick: Anwendung in Prolog
- Carsten Gips (HSBI)
- Canan Yıldız (TDU)
- Ayşe Betül Yüce (TDU)
- Halit Canap Demir (TDU)
{width="80%"}
:::::: {.tabs groupid="hochschule"} ::: {.tab title="HSBI"}
| 09. - 27.10. | 30.10. - 26.01. |
|---|---|
| Mo, 10:00 - 11:30 Uhr (DE) | Mo, 09:00 - 10:30 Uhr (DE) |
| online/J101 | online/J101 |
Durchführung als Flipped Classroom: Sitzungen per Zoom (Zugangsdaten siehe ILIAS)
::: ::: {.tab title="TDU"}
| 02.10.23 - 12.01.24 |
|---|
| Mo, 11:00 - 12:30 Uhr (TR) |
| online |
Durchführung als Flipped Classroom: Sitzungen per Zoom (Zugangsdaten siehe Google Classroom)
::: ::::::
:::::: {.tabs groupid="hochschule"} ::: {.tab title="HSBI"}
| Praktikumsgruppe | 23.10. - 19.01. |
|---|---|
| G1/G3 | Di, 17:30 bis 19:00 Uhr (DE) |
| G2 | Mo, 17:30 bis 19:00 Uhr (DE) |
| online/J101 |
Sitzungen per Zoom (Zugangsdaten siehe ILIAS)
::: ::: {.tab title="TDU"}
| Übungsgruppe | 16.10.23 - 12.01.24 |
|---|---|
| G1 / G3 | Do, 14:30 bis 15:30 Uhr (TR) |
| G2 / G4 | Do, 15:30 bis 16:30 Uhr (TR) |
| online |
Sitzungen per Google Meet (Zugangsdaten siehe Google Classroom)
::: ::::::
:::::: {.tabs groupid="hochschule"} ::: {.tab title="HSBI"}
Prüfungsform HSBI: Klausur plus Testat, 5 ECTS
-
Testat: Vergabe der Credit-Points
Für die Vergabe der Credit-Points ist die regelmäßige und erfolgreiche Teilnahme am Praktikum erforderlich, welche am Ende des Semesters durch ein Testat bescheinigt wird.
Kriterien: Sie haben mind. 6 der 10 Aufgabenblätter jeweils ausreichend (mind. 60%) bearbeitet und die Lösung im Praktikum vorgestellt.
-
Klausur: => Modulnote
Schriftliche Prüfung ("Klausur") am Ende des Semesters (in beiden Prüfungszeiträumen; Prüfungsvorbereitung HSBI).
::: ::: {.tab title="TDU"}
| Prüfung | Gewicht |
|---|---|
| Zwischenprüfung | 40 % |
| Endprüfung | 60 % |
| Übung | 10 % Bonus für Endprüfung |
Wenn in der Endprüfung die 40 Punkte Mindestgrenze erreicht wird (Prüfungsnote ≥40), werden 10 % der Übungspunkte als Bonus zu der Prüfungsnote hinzugefügt.
Für die Vergabe von Übungspunkten ist eine erfolgreiche Teilnahme an der Übung erforderlich. Für Details siehe Prüfung & Noten @TDU.
::: ::::::
-
"Artificial Intelligence: A Modern Approach" (AIMA). Russell, S. und Norvig, P., Pearson, 2020. ISBN 978-0134610993.
-
"Introduction to Artificial Intelligence". Ertel, W., Springer, 2017. ISBN 978-3-319-58487-4. DOI 10.1007/978-3-319-58487-4.
-
"An Introduction to Machine Learning". Kubat, M., Springer, 2017. ISBN 978-3-319-63913-0. DOI 10.1007/978-3-319-63913-0.
:::::: {.tabs groupid="hochschule"} ::: {.tab title="HSBI"}
[Bitte geben Sie mir Feedback: Nehmen Sie bitte an der anonymen Umfrage zu Künstliche Intelligenz teil.]{.alert}
::: ::: {.tab title="TDU"}
::: ::::::
:::::: {.tabs groupid="hochschule"} ::: {.tab title="HSBI"}
| Woche | Blatt | Abgabe ILIAS | Vorstellung Praktikum |
|---|---|---|---|
| 43 | B01: Suche | Mo, 23.10., 17:00 Uhr (Link) | Mo, 23.10. / Di, 24.10. |
| 44 | B02: EA/GA | Mo, 30.10., 17:00 Uhr (Link) | Mo, 30.10. / Di, 31.10. |
| 45 | B03: Minimax | Mo, 06.11., 17:00 Uhr (Link) | Mo, 06.11. / Di, 07.11. |
| 46 | B04: CSP | Mo, 13.11., 17:00 Uhr (Link) | Mo, 13.11. / Di, 14.11. |
| 47 | B06: NB | Mo, 20.11., 17:00 Uhr (Link) | Mo, 20.11. / Di, 21.11. |
| 48 | B05: DTL | Mo, 27.11., 17:00 Uhr (Link) | Mo, 27.11. / Di, 28.11. |
| 49 | B07: Perzeptron | Mo, 04.12., 17:00 Uhr (Link) | Mo, 04.12. / Di, 05.12. |
| 51 | B08: Lin./Log. Regr. | Mo, 18.12., 17:00 Uhr (Link) | Mo, 18.12. / Di, 19.12. |
| 02 | B09: MLP | Mo, 08.01., 17:00 Uhr (Link) | Mo, 08.01. / Di, 09.01. |
| 03 | B10: Backpropagation | Mo, 15.01., 17:00 Uhr (Link) | Mo, 15.01. / Di, 16.01. |
::: ::: {.tab title="TDU"}
| Woche | Blatt | Vorstellung Übung |
|---|---|---|
| 42 | B05: DTL | Do, 19.10. |
| 43 | B01: Suche | Do, 26.10. |
| 44 | B02: EA/GA | Do, 02.11. |
| 45 | B03: Minimax | Do, 09.11. |
| 46 | B04: CSP | Do, 16.11. |
| 48 | B06: NB | Do, 30.11. |
| 49 | B07: Perzeptron | Do, 07.12. |
| 51 | B08: Lin./Log. Regr. | Do, 21.12. |
| 52 | B09: MLP | Do, 28.12. |
| 02 | B10: Backpropagation | Do, 11.01. |
::: ::::::
Über das Projekt "Digital Mobil @ FH Bielefeld" der Fachhochschule Bielefeld (HSBI) ist im Sommer 2020 eine Kooperation mit der Türkisch-Deutschen Universität in Istanbul (TDU) im Modul "Künstliche Intelligenz" gestartet.
Wir werden in diesem Semester die Vorlesungen und auch die Übungen/Praktika wieder im Co-Teaching durchführen. In den Zoom-Sitzungen nehmen deshalb alle Studierenden gemeinsam (TDU und HSBI) teil.
Diese Vorlesung wurde zudem vom Projekt "Digitalbaukasten für kompetenzorientiertes Selbststudium" (DigikoS) unterstützt. Ein vom DigikoS-Projekt ausgebildeter Digital Learning Scout hat insbesondere die Koordination der digitalen Gruppenarbeiten, des Peer-Feedbacks und der Postersessions in ILIAS technisch und inhaltlich begleitet. DigikoS wird als Verbundprojekt von der Stiftung Innovation in der Hochschullehre gefördert.
::: slides
Unless otherwise noted, this work is licensed under CC BY-SA 4.0. :::