Artificial Intelligence (E)
Niveau
Masterstudium
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
• können unterschiedliche Strategien zur Umsetzung von künstlich intelligenten Systemen beschreiben
• können die Vor- und Nachteile der erarbeiteten Strategien verstehen und können deren Herausforderungen benennen
• können Strategien entwickeln, um künstlich intelligente Systeme für den praktischen Einsatz zu konzipieren
• können unterschiedliche Strategien zur Umsetzung von künstlich intelligenten Systemen beschreiben
• können die Vor- und Nachteile der erarbeiteten Strategien verstehen und können deren Herausforderungen benennen
• können Strategien entwickeln, um künstlich intelligente Systeme für den praktischen Einsatz zu konzipieren
Voraussetzungen der Lehrveranstaltung
Keine Voraussetzungen
Lehrinhalte
Folgende Inhalte werden in der Lehrveranstaltung besprochen:
- Reasoning-Ansätze (Roal trees, Regelbasierte Expertensysteme)
- Such-Ansätze (depth-first, hill climbing, beam, optimal, branch and bound, A*, games, minimax, and alpha-beta)
- Constraint-Ansätze (Search, domain reduction, visual object recognition)
- Lern-Ansätze (neural nets, back propagation, genetic algorithms, sparse spaces, phonology, near misses, felicity conditions, support vector machines, boosting)
- Repräsentation-Ansätze (classes, trajectories, transitions)
- Einsatzmöglichkeiten von künstlicher Intelligenz in unterschiedlichen Kontexten
- Schwache versus starke, künstlicher Intelligenz
- Reasoning-Ansätze (Roal trees, Regelbasierte Expertensysteme)
- Such-Ansätze (depth-first, hill climbing, beam, optimal, branch and bound, A*, games, minimax, and alpha-beta)
- Constraint-Ansätze (Search, domain reduction, visual object recognition)
- Lern-Ansätze (neural nets, back propagation, genetic algorithms, sparse spaces, phonology, near misses, felicity conditions, support vector machines, boosting)
- Repräsentation-Ansätze (classes, trajectories, transitions)
- Einsatzmöglichkeiten von künstlicher Intelligenz in unterschiedlichen Kontexten
- Schwache versus starke, künstlicher Intelligenz
Empfohlene Fachliteratur
- Russell, S.; Norvig, P. (2021): Artificial Intelligence: A Modern Approach, Global Edition (Ed. 4), Addison Wesley, Boston (ISBN: 978-1292401133)
- Rissover, M. N. (2025): Artificial Intelligence: A Practical Guide to Understanding AI for Professionals and Students (Ed. 1), Digital Foundations, (ISBN: 979-8286961795)
- Rissover, M. N. (2025): Artificial Intelligence: A Practical Guide to Understanding AI for Professionals and Students (Ed. 1), Digital Foundations, (ISBN: 979-8286961795)
Bewertungsmethoden und -Kriterien
Klausur
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
4
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Folgende Methoden kommen zum Einsatz:
- Vortrag mit Diskussion
- Interaktiver Workshop
- Vortrag mit Diskussion
- Interaktiver Workshop
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
3