Anzeigesprache
Zur Modulseite PDF generieren

#41048 / #1

SoSe 2022 - WiSe 2022/23

Deutsch

Einführung in die Künstliche Intelligenz

6

Toussaint, Marc

benotet

Schriftliche Prüfung

Zugehörigkeit


Fakultät IV

Institut für Technische Informatik und Mikroelektronik

34342100 FG Intelligent Systems

Keine Angabe

Kontakt


MAR 4-4

Toussaint, Marc

office@lis.tu-berlin.de

Lernergebnisse

Die Student:innen gewinnen ein integratives Verständnis des Forschungsgebiets Künstliche Intelligenz, das daten-basierte KI (insb. Maschinelles Lernen) und model-basierte KI (insb. Planung & Reasoning) gleichberechtigt und integriert. Die Student:innen verstehen KI aus Sicht der Entscheidungs-Theorie, des Maschinellen Lernens, der Optimierung, und des klassischen Problemlösens. Die Student:innen können grundlegende Algorithmen aus den genannten Gebieten eigenständig von Grund auf implementieren und im Detail verstehen. Die Student:innen wissen, welche Problemformulierung und Algorithmen der KI für ein gegebenes Anwendungsproblem adäquat sind.

Lehrinhalte

Die Problemformulierungen und algorithmischen Ansätze der Gebiete * Entscheidungstheorie (inkl. Reinforcement-Lernen, Banditen, Regelungstheorie) * Maschinelles Lernen * Optimierung * Inferenz, klassisches Planen, & Problemlösen Zudem, grundlegende und wiederkehrende algorithmische Prinzipien wie: * Dynamisches Programmieren * Optimierungs- vs. sample-basierte Methoden * Entscheidungsbäume

Modulbestandteile

Pflichtgruppe:

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVZ
Einführung in die Künstliche IntelligenzVorlesungSoSeDeutsch/Englisch2
Einführung in die Künstliche IntelligenzÜbungSoSeDeutsch/Englisch2

Arbeitsaufwand und Leistungspunkte

Einführung in die Künstliche Intelligenz (Vorlesung):

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit15.02.0h30.0h
Vor-/Nachbereitung15.02.0h30.0h
60.0h(~2 LP)

Einführung in die Künstliche Intelligenz (Übung):

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit15.02.0h30.0h
Vor-/Nachbereitung15.06.0h90.0h
120.0h(~4 LP)
Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Vorlesung: Klassische Vorlesung mit Zeit für Diskussionen und breitere Fragen zum Thema. Übung: Hausaufgaben, die auf Papier lösbar sind und dem Inhalt der abschließenden schriftlichen Prüfung entsprechen; und deren Besprechung in Tutorien. Praktische Programmieraufgaben: Über ein automatisiertes Code-Abgabe- und Evaluierungs-System (per git) reichen Student:innen ihre algorithmischen Lösung zu KI-Problemstellungen ein. Das System ist Prototyp eines virtuellen Lernlabors, bei dem Student:innen eigenständig Lösungen zu einer breiteren Auswahl von KI-Problemen auf einen Server einreichen können und direkt Feedback bekommen.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Grundkenntnisse in Mathematik, insb. Lineare Algebra, Analysis, und Stochastik. Grundkenntnisse in Datenstrukturen und Programmierung (insb. Python).

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

benotet

Prüfungsform

Schriftliche Prüfung

Sprache

Deutsch

Dauer/Umfang

120 min

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Die Anmeldung zur Lehrveranstaltung erfolgt über die ISIS-Seite. Dies ersetzt nicht die Prüfungsanmeldung beim Prüfungsamt, bzw. in QISPOS. Evtl. weitere Information auf der LIS-Website beachten: https://argmin.lis.tu-berlin.de/teaching/

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Sonstiges

Keine Angabe