Skip to content

Artificial-Intelligence-HSBI-TDU/KI-Vorlesung

Repository files navigation

archetype title
home
IFM 3.2 (PO23) / IFM 5.14 (PO18) / INF701: Künstliche Intelligenz (Winter 2024/25)

{width="60%"} [Quelle: "künstliche intelligenz" by Gerd Altmann (geralt) on Pixabay.com (Pixabay License)]{.origin}

Kursbeschreibung

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, ...

Überblick Modulinhalte

  1. 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
  2. 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
  3. Inferenz, Logik (entfällt im W24)
    • Prädikatenlogik: Modellierung, semantische und formale Beweise, Unifikation, Resolution
    • Ausblick: Anwendung in Prolog

Team

Kursformat

{width="80%"}

Vorlesung: 2 SWS

:::::: {.tabs groupid="hochschule"} ::: {.tab title="HSBI"}

07.10. - 24.01.
Mo, 11:00 - 12:30 Uhr (DE)
online/J101

Durchführung als Flipped Classroom.

Online-Sitzungen per Zoom (Zugangsdaten siehe ILIAS). Sie können hierzu den Raum J104 nutzen.

::: ::: {.tab title="TDU"}

16.09. - 25.10. 28.10. - 30.12.
Mo, 12:00 - 13:30 Uhr (TR) Mo, 13:00 - 14:30 Uhr (TR)
online online

Durchführung als Flipped Classroom: Sitzungen per Zoom (Zugangsdaten siehe Google Classroom)

::: ::::::

Praktikum/Übung: 2 SWS

:::::: {.tabs groupid="hochschule"} ::: {.tab title="HSBI"}

GKI (PO23, 3. Semester)

Praktikumsgruppe 07.10. - 24.01.
G1 Di, 17:30 bis 19:00 Uhr (DE)
G2 Di, 17:30 bis 19:00 Uhr (DE)
G3 Mo, 17:30 bis 19:00 Uhr (DE)
online/J101

KI (PO18, 5. Semester)

Praktikumsgruppe 07.10. - 24.01.
G4 Di, 17:30 bis 19:00 Uhr (DE)
G5 Di, 17:30 bis 19:00 Uhr (DE)
G6 Mo, 17:30 bis 19:00 Uhr (DE)
online/J101

Online-Sitzungen per Zoom (Zugangsdaten siehe ILIAS). Sie können hierzu den Raum J104 nutzen.

::: ::: {.tab title="TDU"}

Übungsgruppe 16.09. - 31.12.
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)

::: ::::::

Prüfungsform, Note und Credits

:::::: {.tabs groupid="hochschule"} ::: {.tab title="HSBI"}

Prüfungsform HSBI: Klausur plus Testat, 5 ECTS

GKI (PO23, 3. Semester) KI (PO18, 5. Semester)

  • 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.

::: ::::::

Materialien

Literatur

  1. "Artificial Intelligence: A Modern Approach" (AIMA). Russell, S. und Norvig, P., Pearson, 2020. ISBN 978-0134610993.

  2. "Introduction to Artificial Intelligence". Ertel, W., Springer, 2017. ISBN 978-3-319-58487-4. DOI 10.1007/978-3-319-58487-4.

  3. "An Introduction to Machine Learning". Kubat, M., Springer, 2017. ISBN 978-3-319-63913-0. DOI 10.1007/978-3-319-63913-0.

Tools

Fahrplan

Vorlesung

:::::: {.tabs groupid="hochschule"} ::: {.tab title="HSBI"}

Hier finden Sie einen abonnierbaren Google Kalender mit allen Terminen der Veranstaltung zum Einbinden in Ihre Kalender-App.

Monat Tag Vorlesung Lead Start Bearbeitung
Oktober 07. Orga (Zoom); Einführung KI, Problemlösen Carsten, Canan
14. Tiefensuche, Breitensuche, Branch-and-Bound, Best First, A-Stern Carsten Blatt: Suche
21. Gradientensuche, Simulated Annealing; Intro EA/GA, Genetische Algorithmen Carsten Blatt: EA/GA
28. Optimale Spiele, [Games], Minimax und Heuristiken, Alpha-Beta-Pruning Carsten Blatt: Games
November 04. Machine Learning 101, CAL2, Pruning, CAL3, Entropie, ID3 und C4.5 Carsten Blatt: DTL
11. Perzeptron Canan Blatt: Perzeptron
18. Lineare Regression Canan Blatt: Regression
25. Logistische Regression Canan
Dezember 02. Overfitting, Multilayer Perceptron Canan Blatt: MLP
09. Backpropagation Canan Blatt: Backpropagation
16. Training & Testing, Performanzanalyse Canan
23. Weihnachtspause
30. Weihnachtspause
Januar 06. Einführung Constraints, Lösen von diskreten CSP, CSP und Heuristiken, Kantenkonsistenz und AC-3 Carsten Blatt: CSP
13. Wahrscheinlichkeitstheorie, Naive Bayes Carsten Blatt: Naive Bayes
20. Rückblick (Zoom), Prüfungsvorbereitung HSBI Carsten
(Prüfungsphase) Klausur

::: ::: {.tab title="TDU"}

Monat Tag Vorlesung Lead Start Bearbeitung
September 16. Orga (Zoom); Einführung KI, Problemlösen Canan, Carsten
23. Einführung Constraints, Lösen von diskreten CSP, CSP und Heuristiken, Kantenkonsistenz und AC-3 Carsten Blatt: CSP
30. Wahrscheinlichkeitstheorie, Naive Bayes Carsten Blatt: Naive Bayes
Oktober 07. (13:00 - 14:00 Uhr TR) Machine Learning 101, CAL2, Pruning, CAL3, Entropie, ID3 und C4.5 Carsten Blatt: DTL
14. Tiefensuche, Breitensuche, Branch-and-Bound, Best First, A-Stern Carsten Blatt: Suche
21. Gradientensuche, Simulated Annealing; Intro EA/GA, Genetische Algorithmen Carsten Blatt: EA/GA
28. Optimale Spiele, [Games], Minimax und Heuristiken, Alpha-Beta-Pruning Carsten Blatt: Games
November 04. Zwischenprüfung
11. Perzeptron Canan Blatt: Perzeptron
18. Lineare Regression Canan Blatt: Regression
25. Logistische Regression Canan
Dezember 02. Overfitting, Multilayer Perceptron Canan Blatt: MLP
09. Backpropagation Canan Blatt: Backpropagation
16. Training & Testing, Performanzanalyse Canan
23. Vorschau Deep Learning (CNN, RNN) Canan
30. Prüfungsvorbereitung TDU Canan

::: ::::::

Praktikum/Übung

:::::: {.tabs groupid="hochschule"} ::: {.tab title="HSBI"}

Blatt Abgabe ILIAS Vorstellung Praktikum
Blatt: Suche Mo, 23.10., 17:00 Uhr (Link) Mo, 23.10. / Di, 24.10.
Blatt: EA/GA Mo, 30.10., 17:00 Uhr (Link) Mo, 30.10. / Di, 31.10.
Blatt: Games Mo, 06.11., 17:00 Uhr (Link) Mo, 06.11. / Di, 07.11.
Blatt: DTL Mo, 27.11., 17:00 Uhr (Link) Mo, 27.11. / Di, 28.11.
Blatt: Perzeptron Mo, 04.12., 17:00 Uhr (Link) Mo, 04.12. / Di, 05.12.
Blatt: Regression Mo, 18.12., 17:00 Uhr (Link) Mo, 18.12. / Di, 19.12.
Blatt: MLP Mo, 08.01., 17:00 Uhr (Link) Mo, 08.01. / Di, 09.01.
Blatt: Backpropagation Mo, 15.01., 17:00 Uhr (Link) Mo, 15.01. / Di, 16.01.
Blatt: CSP Mo, 13.11., 17:00 Uhr (Link) Mo, 13.11. / Di, 14.11.
Blatt: Naive Bayes Mo, 20.11., 17:00 Uhr (Link) Mo, 20.11. / Di, 21.11.

Abgabe der Übungsblätter jeweils bis 08:00 Uhr im ILIAS.

::: ::: {.tab title="TDU"}

Blatt Vorstellung Übung
Blatt: CSP Do, 16.11.
Blatt: Naive Bayes Do, 30.11.
Blatt: DTL Do, 19.10.
Blatt: Suche Do, 26.10.
Blatt: EA/GA Do, 02.11.
Blatt: Games Do, 09.11.
Blatt: Perzeptron Do, 07.12.
Blatt: Regression Do, 21.12.
Blatt: MLP Do, 28.12.
Blatt: Backpropagation Do, 11.01.

::: ::::::

Förderungen und Kooperationen

Kooperation zw. HSBI und TDU

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.

Kooperation mit dem DigikoS-Projekt

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

LICENSE

Unless otherwise noted, this work is licensed under CC BY-SA 4.0. :::