Der Mensch als Vorbild für intelligente Assistenz -Transfer von Fertigkeiten -
|
|
- Maike Vogel
- vor 7 Jahren
- Abrufe
Transkript
1 Der Mensch als Vorbild für intelligente Assistenz -Transfer von Fertigkeiten - Umwelt(-modell) zb. Strassenverkehr + Auto Oldenburg - Stadt der Wissenschaft Perspektivenwechsel Operator(-modell) Pilot oder Autofahrer Claus Möbus, Jan Lenk Lernende und kognitive Systeme Department für Informatik, Uni OL Bereich Verkehr, OFFIS OL 1
2 Vita 1965 Abi in WHV, Praktikum bei AEG Olympia TU BS, Uni HD: Studium der Psychologie 1970 Hab mein Herz in Heidelberg verloren 1974 Uni HD: Promotion FU Berlin: Professor für Psychologie Uni OL: Professor für angewandte Informatik Uni OL: Gründung des FB Informatik 1991 Gründung von OFFIS 1997 OL: Hausbau in Etzhorn 1998 OL: Annus horribilis Direktor des Department für Informatik 2
3 Themen Wissen, Kompetenz, Intelligenz, künstliche Intelligenz Warum intelligente Assistenz? Kooperative Assistenz Transfer von Fertigkeiten elearning: projektorientiertes Lernen Künstliche Intelligenz: Beispiel für maschinelles Lernen Zwei Fahrermodelle Akzeptanz von Fehlleistungen Bei Menschen Bei Maschinen Ausblick 3
4 Die Die Wissenstreppe KPMG 2001 Kompetenz + Bedeutsamkeit/Nützlichkeit/Pragmatik + Bedeutung/Semantik
5 Bloom s Lernzieltaxonomie ist domänenunabhängig! Synthese Die Kommunikation Wissenstreppe Evaluation KPMG 2001 Intelligenz Analyse Anwenden Verstehen Wissen + Bedeutsamkeit/Nützlichkeit/Pragmatik + Bedeutung/Semantik
6 Künstliche Intelligenz
7 Künstliche Intelligenz 2009 planning and scheduling; vision and perception; machine learning and data mining; evolutionary computing; natural language processing; knowledge representation and reasoning; cognition; history and philosophical foundations; AI and engineering; automated reasoning; spatial and temporal reasoning; agents and intelligent virtual environments; experience and knowledge management; and robotics. 7
8 Themen Wissen, Kompetenz, Intelligenz, künstliche Intelligenz Warum intelligente Assistenz? Kooperative Assistenz Transfer von Fertigkeiten elearning: projektorientiertes Lernen Künstliche Intelligenz: Beispiel für maschinelles Lernen Zwei Fahrermodelle Akzeptanz von Fehlleistungen Bei Menschen Bei Maschinen Ausblick 8
9 Unübersichtlichkeit der Situation ohne Licht ohne Bremse! 9
10 Themen Wissen, Kompetenz, Intelligenz, künstliche Intelligenz Warum intelligente Assistenz? Kooperative Assistenz Transfer von Fertigkeiten elearning: projektorientiertes Lernen Künstliche Intelligenz: Beispiel für maschinelles Lernen Zwei Fahrermodelle Akzeptanz von Fehlleistungen Bei Menschen Bei Maschinen Ausblick 10
11 Kooperative Assistenz: Fahrlehrer vs. Schutzengel Claus Möbus, HCII
12 Themen Wissen, Kompetenz, Intelligenz, künstliche Intelligenz Warum intelligente Assistenz? Kooperative Assistenz Transfer von Fertigkeiten elearning: projektorientiertes Lernen Künstliche Intelligenz: Beispiel für maschinelles Lernen Zwei Fahrermodelle Akzeptanz von Fehlleistungen Bei Menschen Bei Maschinen Ausblick 12
13 elearning 2009! (besucht )
14 TORCS besucht
15 TORCS Robot Tutorial Claus Möbus
16 Themen Wissen, Kompetenz, Intelligenz, künstliche Intelligenz Warum intelligente Assistenz? Kooperative Assistenz Transfer von Fertigkeiten elearning: projektorientiertes Lernen Künstliche Intelligenz: Beispiel für maschinelles Lernen Zwei Fahrermodelle Akzeptanz von Fehlleistungen Bei Menschen Bei Maschinen Ausblick 16
17 TORCS racing scenario Fahrermodell mit 2-Punkt-Steuerung
18 2-Punkt-Steuerung, Veränderung des Lenkwinkels: f (, ) Veränderung der Geschwindigkeit: f (, ) f f n n Fernpunkt Ausrichtung Nahpunkt f n Mittelstreifen Claus Möbus
19 2-Punkt-Steuerung mit Gauss Methode kleinster Quadrate Veränderung des Lenkwinkels: f (, ) Veränderung der Geschwindigkeit: f (, ) f f n n Fernpunkt Johann Carl Friedrich Gauss Ausrichtung Nahpunkt f n Mittelstreifen Claus Möbus
20 Intraindividuelle Varianz des Blickverhaltens Salvucci & Gray s Modell stimmt nur unter bestimmenten Bedingungen Es gilt wohl eher Horrey, Wickens, and Consalus Theorie der Aufmerksamkeitskontrolle mit ambienter und fovealer Wahrnehmung Claus Möbus 21
21 Probabilistisches Fahrermodell mit ambienter Wahrnehmung 22
22 2-Punkt-Steuerung mit Gauss Methode kleinster Quadrate Veränderung des Lenkwinkels: f (, ) Veränderung der Geschwindigkeit: f (, ) f f n n Fernpunkt Johann Carl Friedrich Gauss Ausrichtung Nahpunkt f n Mittelstreifen Claus Möbus
23 Probabilistisches Fahrermodell Bayesian Autonomous Driver (BAD) Veränderung des Lenkwinkels: f (, ) Veränderung der Geschwindigkeit: f (, ) f f n n Fernpunkt Johann Carl Friedrich Gauss Ausrichtung Nahpunkt f n Mittelstreifen Claus Möbus
24 Probabilistisches Fahrermodell Bayesian Autonomous Driver (BAD) Wahrscheinlichkeit des Lenkwinkels: P( t ) f ( t, t 1) Wahrscheinlichkeit der Pedalstellung: P( ) f (, ) t t t 1 Ausrichtung Thomas Bayes Mittelstreifen Claus Möbus
25 Kurvenradien und Rotationswinkel des Kurses Training Data: 1 driver 1 lap Claus Möbus
26 BAD model drive on TORCS race track Fahrt des Bayesschen Fahrermodells Video Drive of BAD Model Claus Möbus, 8.BWMMS
27 Themen Wissen, Kompetenz, Intelligenz, künstliche Intelligenz Warum intelligente Assistenz? Kooperative Assistenz Transfer von Fertigkeiten elearning: projektorientiertes Lernen Künstliche Intelligenz: Beispiel für maschinelles Lernen Zwei Fahrermodelle Akzeptanz von Fehlleistungen Bei Menschen Bei Maschinen Ausblick 30
28 Akzeptanz von Fehlleistungen Mensch Maschine Todes strafe Herstellerhaftung 31
29 Themen Wissen, Kompetenz, Intelligenz, künstliche Intelligenz Warum intelligente Assistenz? Kooperative Assistenz Transfer von Fertigkeiten elearning: projektorientiertes Lernen Künstliche Intelligenz: Beispiel für maschinelles Lernen Zwei Fahrermodelle Akzeptanz von Fehlleistungen Bei Menschen Bei Maschinen Ausblick 32
30 Was wurde gebraucht? Psychologie Wahrnehmung, Aufmerksamkeitssteuerung, Handlungsplanung Bestimmung relevanter Variablen (Größen) Verhaltensbeobachtung Datensammlung und Auswertung Regelungstheorie (Grundkenntnisse) Stochastik (Grundkenntnisse) Modellbau Inferenzen zur Aktionswahl Informatik Betrieb von Simulatoren Werkzeuge des Data Mining Software Engineering der Prototypen Effiziente Wahrscheinlichkeitsinferenzen. 33
31 Was wurde erreicht? Kommunikation Evaluation Intelligenz Synthese Analyse Anwenden Verstehen Wissen
32 Wie geht s weiter? Mehrere Verkehrsteilnehmer Kooperative Nicht kooperative (Geisterfahrer) Komplexere Verkehrszenarien Stadtverkehr / Shared Space Baustellen Kompetenzen Antizipation Handlungsbewertung Situationsverständnis Andere Fachgebiete 35
33 Was kann man selbst machen? Vorbild sein (Modelllernen berücksichtigen) Interessen wecken, Angebote machen Kritikfähigkeit, Reflexion fördern Loslassen können, Kontrollillusionen aufgeben Einfluss der Bezugsgruppe (Schule, Freunde) akzeptieren Realistische Einschätzung der eigenen Einflussmöglichkeiten: Einfluss entspricht ca. der positiv erlebten Kontaktzeit Verzeihen können (fehlertolerant sein) 36
34 Besuchen Sie uns: 37
35 Vielen Dank für Ihre Aufmerksamkeit!
Modulliste. für den Masterstudiengang. Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Masterstudiengang Data & Knowledge
MehrVeranstaltungen WiSe 2014/15
Veranstaltungen WiSe 2014/15 Institut für Betriebswirtschaftslehre und Wirtschaftsinformatik Arbeitsgruppe Informationssysteme und Unternehmensmodellierung Prof. Dr. Ralf Knackstedt Übersicht WI Master
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz --- Vorlesung vom 17.4.2007 --- Sommersemester 2007 Prof. Dr. Ingo J. Timm, Andreas D. Lattner Professur für Wirtschaftsinformatik und Simulation
MehrPlanungshilfe Studiengang Wirtschaftsinformatik, PO 2014 Master
Planungshilfe Studiengang Wirtschaftsinformatik, PO 2014 Master Stand: 22.04.2016 Hinweis: Dieses Dokument ist nicht verbindlich! Im Zweifelsfall gilt die (aktuelle) Prüfungsordnung! Erste veröffentlichte
MehrStart Your Engines. High-Level Agent Control. Frank Dylla, Jasper van de Ven. Cognitive Systems Group, SFB/TR 8 Spatial Cognition Universität Bremen
Start Your Engines High-Level Agent Control Frank Dylla, Jasper van de Ven Cognitive Systems Group, SFB/TR 8 Spatial Cognition Universität Bremen Bremen, 14.01.2013 Überblick 1 Allgemeines 2 Organisation
MehrEinführung in die Artificial Intelligence. Jochen Renz
Einführung in die Artificial Intelligence Jochen Renz Was ist Intelligenz? Einführung in die AI Einleitung 1 Was ist künstliche Intelligenz? Verschiedene Definitionen der AI: The exiting new effort to
MehrTitel von Modul/Lehrveranstaltung (lt. Prüfungsordnung der Uni Potsdam für BL BIO SE H 20132) Foundations of Stochastics
Einschätzung für Novelle MuSchG Abschluss: Master of Science(MS) Studienfach: Data Science (DSC) version: Wintersemester 2018/1 rot Belegung für Schwangere verboten gelb Belegung für Schwangere nach Rücksprache
MehrEinführung in die Artificial Intelligence
Einführung in die Artificial Intelligence Institut für Computertechnik ICT Institute of Computer Technology Roland Lang mailto:langr@ict.tuwien.ac.at Definition: Was ist AI? ISO 4177: Artificial Intelligence
MehrModulliste. für den Masterstudiengang. Informatik. an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Informatik an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2016 Der Masterstudiengang Informatik (INF) Dieser Masterstudiengang
MehrModulliste. für den Masterstudiengang. Wirtschaftsinformatik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Wirtschaftsinformatik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Wintersemester 2016/2017 Der Masterstudiengang Wirtschaftsinformatik
MehrGehirn, Roboter und Computerspiele. Felix Faber
Gehirn, Roboter und Computerspiele Felix Faber 45 Minuten Gut aufpassen! Agenda Lebenslauf Cognitive Science Humanoide Roboter Browserspiele Lebenslauf 1980 Geburt 2000 Abitur Goethegymnasium / AKG (LK:
MehrInformatics Master Programs
Informatics Master Programs T. Huckle Technichal University of Munich Department of Informatics Scientific Computing Garching, 8.6.2018 Overview Master Informatics Master Informatics: Games Engineering
MehrInstitute for Artificial Intelligence
Institute for Artificial Intelligence WS 2017/2018 see also: http://ai.uni-bremen.de/teaching Characteristics of our Research Field Autonomous Driving [Google] Watson Siri/Echo [IBM] [Apple/Amazon] Next
MehrModulliste. für den Bachelorstudiengang. Wirtschaftsinformatik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Bachelorstudiengang Wirtschaftsinformatik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Sommersemester 2017 Der Bachelorstudiengang Wirtschaftsinformatik
MehrUniversität Potsdam Institut für Informatik. Masterstudium Computational Science
Universität Potsdam Institut für Informatik Masterstudium Computational Science Computational Science The Science of Computation Wissenschaft vom Berechnen Informatik Science, done computationally Computergestützte
MehrStart Your Engines High-Level Agent Control
Start Your Engines High-Level Agent Control Vorbereitungstermin Frank Dylla, Arne Kreutzmann, Jasper van de Ven Cognitive Systems Group, SFB/TR 8 Spatial Cognition Universität Bremen Bremen, 25.6.2011
MehrStart Your Engines High-Level Agent Control
Start Your Engines High-Level Agent Control Vorbereitungstermin Frank Dylla, Arne Kreutzmann, Jasper van de Ven Cognitive Systems Group, SFB/TR 8 Spatial Cognition Universität Bremen Bremen, 26.01.2012
MehrInstitut für Künstliche Intelligenz
Institut für Künstliche Intelligenz Prof. Sebstaian Rudolph --- Computational Logic Prof. Steffen Hölldobler --- Wissensverarbeitung Prof. Ivo F. Sbalzarini --- Wissenschaftliches Rechnen für Systembiologie
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrModulliste. für den Bachelorstudiengang. Wirtschaftsinformatik. an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Bachelorstudiengang Wirtschaftsinformatik an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Bachelorstudiengang Wirtschaftsinformatik
MehrWie lernen wir morgen? Lernentwicklungen in Schulen, Hochschulen und Unternehmen
Wie lernen wir morgen? Lernentwicklungen in Schulen, Hochschulen und Unternehmen Prof. Dr. Christoph Igel Deutsches Forschungszentrum für Künstliche Intelligenz Educational Technology Lab Future Internet
MehrTeaching at the Institute for Artificial Intelligence SS see also:
Teaching at the Institute for Artificial Intelligence SS 2015 see also: http://ai.uni-bremen.de/teaching Research Area: AI (Cognition-enabled Technical Systems) Artificial Intelligence, but System view
MehrOWM Future Inspiration Day 22. März 2017 Artificial Intelligence Bosch is teaching the vehicle how to drive. Rosa Meckseper VP Marketing and Business
OWM Future Inspiration Day 22. März 2017 Artificial Intelligence Bosch is teaching the vehicle how to drive. Rosa Meckseper VP Marketing and Business Strategy Robert Bosch GmbH INTERNET DER DINGE OWM R.
MehrSpezialisierungskatalog
Spezialisierungskatalog Inhaltsverzeichnis: 1. Friedrich Schiller Universität 2. TU Ilmenau 3. FH Erfurt 4. FH Jena 5. FH Nordhausen 6. FH Schmalkalden 7. BA Gera 8. BA Eisenach 1. Friedrich-Schiller-Universität
MehrProf. Dr. Lars Schmidt-Thieme. Schüler-Universität, 10. Mai 2012
Können Computer denken? Prof. Dr. Lars Schmidt-Thieme Information Systems and Machine Learning Lab (ISMLL) Institut für Informatik Universität Hildesheim Schüler-Universität, 10. Mai 2012 Lars Schmidt-Thieme,
MehrBei Fragen zum Anwendungsfach haben Sie seitens des Fachbereichs Informatik folgende Kontaktmöglichkeiten:
Präambel Psychologie erforscht mit experimentellen und anderen erfahrungswissenschaftlichen Verfahren an Mensch und Tier die selektive Informationsakquisition und -verarbeitung bei der Entwicklung von
MehrOtto-Friedrich-Universität Bamberg
Otto-Friedrich-Universität Bamberg Vierte Satzung zur Änderung der Studien- und Fachprüfungsordnung für die Masterstudiengänge Angewandte Informatik (90 ECTS-Punkte) sowie Angewandte Informatik (120 ECTS-Punkte)
MehrModultabelle B.Sc. Angewandte Informatik Fakultät Wirtschaftsinformatik und Angewandte Informatik Stand: Wintersemester 2011/2012
Otto-Friedrich-Universität Bamberg Modultabelle B.Sc. Angewandte Informatik Fakultät Wirtschaftsinformatik und Angewandte Informatik Stand: Wintersemester 2011/2012 A1 Fachstudium Mathematische Grundlagen
MehrEinführung in die Didaktik der Informatik D. Engbring mündl.
Bachelor Pflicht BA-INF 021 Lineare Algebra Th. Räsch 02.08.2016/ 9-12 Uhr HS IX+X Hauptg. 12.09.2016/ 9-12 Uhr HS IX+X Hauptg. schriftlich BA-INF 022 Analysis M. Welter 26.07.2016/9.30-11.30Uhr HS IX+X
MehrUniv.-Prof. Dr.-Ing. Prof. h.c. Dr. h.c. Torsten Bertram. Univ.-Prof. Dr. phil. Johannes Weyer. GF André Bubenzer
Fachtagung Automatisiertes und vernetztes Fahren Berlin, 01.12.2017 Holistisches Modell zur Beschreibung der Aufgabenverteilung und der Aufgabenübergabe zwischen menschlichem Fahrer und Fahrerassistenzsystem
MehrBig Data and Machine Learning
Weiterbildung Big Data and Machine Learning Certificate of Advanced Studies CAS Institut für Informatik Institut für Computerlinguistik Universität Zürich 2018 Seite 1/6 Beschreibung Die Informatik ist
MehrKlausurtermine Informatik WS 2018/19 (Prüfungszeitraum vom ) Stand: Änderungen rot markiert - vorbehalten!
Klausurtermine Informatik WS 2018/19 (Prüfungszeitraum vom 04.02 05.04.2019) Stand: 13.11.2018 Änderungen rot markiert - vorbehalten! Wochentag Prüfungstermin: Prüfungsbezeichnung: Raum/Räume: Inf Dienstag
MehrVerhaltensbasierte Robotik
PS Anwendungen der moder Verhaltensbasierte Robotik Thomas Wernicke SS 2006 1. Einleitung 1.1. Definition 1.2. Vorgeschichte Überblick 1.3. Vorgeschichte / Motivation 2. Konzepte 2.1. KI Konzepte 2.2.
MehrKünstliche Intelligenz und berufliche Bildung Wie das Internet der Dinge und KI das Lernen verändern
Künstliche Intelligenz und berufliche Bildung Wie das Internet der Dinge und KI das Lernen verändern Professor Dr. habil. Christoph Igel Deutsches Forschungszentrum für Künstliche Intelligenz Educational
MehrGeneral Video Game AI Competition 2017
General Video Game AI Competition 2017 Teilnahme an einem Wettbewerb der künstlichen Intelligenz für Computerspiele Tobias Joppen, Christan Wirth, Prof. J. Fürnkranz 21.04.2017 Fachbereich Informatik Knowledge
MehrInformationssystemtechnik (B.Sc.)
1. Grundlagen der Mathematik (32 CP) o 32 8 8 8 8 04-00-0108 Mathematik I St s 90 6 o 8 04-00-0126-vu Mathematik I 6 VU 8 04-00-0109 Mathematik II St s 90 6 o 8 04-00-0079-vu Mathematik II 6 VU 8 04-00-0111
MehrGeneral Video Game AI Competition 2016
General Video Game AI Competition 2016 Teilnahme an einem Wettbewerb der künstlichen Intelligenz für Computerspiele Miriam Moneke, Nils Schröder, Tobias Joppen Christan Wirth, Prof. J. Fürnkranz 13.04.2016
Mehr1.1 Was ist KI? 1.1 Was ist KI? Grundlagen der Künstlichen Intelligenz. 1.2 Menschlich handeln. 1.3 Menschlich denken. 1.
Grundlagen der Künstlichen Intelligenz 20. Februar 2015 1. Einführung: Was ist Künstliche Intelligenz? Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert
MehrSchriftliche Kleine Anfrage
BÜRGERSCHAFT DER FREIEN UND HANSESTADT HAMBURG Drucksache 21/13550 21. Wahlperiode 03.07.18 Schriftliche Kleine Anfrage des Abgeordneten Carsten Ovens (CDU) vom 25.06.18 und Antwort des Senats Betr.: Fördert
MehrKünstliche Intelligenz. Potential und Anwendung
Künstliche Intelligenz Potential und Anwendung Menschliche Intelligenz Intelligentere Maschinen dank künstlicher Intelligenz Bilder Bilder Texte Sprache Texte Sprache Verstehen von strukturierten und unstrukturierten
MehrDer Data Science-Studiengang an der Hochschule Darmstadt
Der Data Science-Studiengang an der Hochschule Darmstadt Sebastian Döhler Hochschule Darmstadt Fachtagung Data Science in Studium und Lehre 2018 Institut für Hochschulentwicklung September 19, 2018 Döhler
MehrModellierung von Non Player Chareacters
Modellierung von Non Player Chareacters Konzeption Künstlicher Charaktere Games Summer Camp 2006 Cindy Löther Inhalt 1 Einleitung 2 Definitionen 3 Non Player Characters (NPC) 4 Modellierung von NPCs 5
MehrModulliste. für den Masterstudiengang. Ingenieurinformatik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Ingenieurinformatik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Sommersemester 2017 Der Masterstudiengang Ingenieurinformatik (IngINF)
MehrWatson Services on Bluemix Workshop
Watson Services on Bluemix Workshop Beate Melcher Klaus-Peter Schlotter Urs Witzig IBM Business Partner Solution Hub Agenda 09:00-09:45 Welcome and IBM Watson Overview 09:45-10:10 Watson Services 1/2 10:10
MehrMachine Learning. Dr. Bartholomäus Wissmath 3. Swiss Innovation Day
Machine Learning Dr. Bartholomäus Wissmath 3. Swiss Innovation Day Artificial Intelligence (AI) Teilgebiet der Informatik, welches sich mit der Automatisierung von intelligenten Verhalten und dem Maschinenlernen
MehrSOA: Service Komposition
SOA: Service Komposition Anwendungen 1 Ralf Kruse Department Informatik Hochschule für Angewandte Wissenschaften Hamburg 5. Juni 2007 Ralf Kruse (HAW Hamburg) SOA: Service Komposition 5. Juni 2007 1 /
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert Universität Basel 20. Februar 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrSoftware, Data und Machine Learning Engineers bei der Lufthansa Industry Solutions (Trendtalk)
Technology Day am 10:45 11:45 Uhr Raum: Empore Software, Data und Machine Learning Engineers bei der Lufthansa Industry Solutions (Trendtalk) Bernhard Kube, Vice President, Die Lufthansa ist ein Konzern
MehrMaster of Science Internet- und Web-basierte Systeme. Gesamtkatalog (Stand: )
Master of Science Internet- und Web-basierte Systeme Gesamtkatalog (Stand: 31.10.2016) Pflichtbereich Bereich 1 V-Art FB Deutscher Titel / Englischer Titel Dozent Turnus WS16 CP TUCaN Internet V2 Ü2 20
MehrModule und Lehrveranstaltungen
Studium und Lehre Module und Lehrveranstaltungen nach Semestern WS 2012 Studiengang: WBS IuB Stand: Fr., 26. Okt. 2012-19:27 Diese Liste enthält alle die den Modulen zugeordneten Lehrveranstaltungen des
MehrModulliste. für den Bachelorstudiengang. Informatik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Bachelorstudiengang Informatik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Wintersemester 2016/2017 Der Bachelorstudiengang Informatik (INF) Das Bachelorstudium
MehrAnrechnung bereits erbrachter Leistungen bei Umstieg von BSc CV der PO 2006 auf BSc CV der PO Bachelor CV
Anrechnungen bereits erbrachter Leistungen Anm.: es kann sein, dass Leistungen in der 2006er PO erbracht wurden, die in PO2012 nicht aufgeführt sind. In diesem Fall wird Name: geprüft, ob die alte Leistung
MehrModulliste. für den Bachelorstudiengang. Wirtschaftsinformatik. an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Bachelorstudiengang Wirtschaftsinformatik an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2016 Der Bachelorstudiengang Wirtschaftsinformatik
MehrVorlesung Methodische Grundlagen des Software-Engineering im Sommersemester 2014
Vorlesung des Software-Engineering im Sommersemester 2014 Prof. Dr. Jan Jürjens TU Dortmund, Fakultät Informatik, Lehrstuhl XIV Teil 2.8: Werkzeugunterstützung für Process-Mining v. 09.06.2014 1 für Process-Mining
MehrBayessche Netze. Kevin Klamt und Rona Erdem Künstliche Intelligenz II SoSe 2012 Dozent: Claes Neuefeind
Bayessche Netze Kevin Klamt und Rona Erdem Künstliche Intelligenz II SoSe 2012 Dozent: Claes Neuefeind Einleitung Sicheres vs. Unsicheres Wissen Kausale Netzwerke Abhängigkeit Verbindungsarten Exkurs:
Mehr(2) Ergänzungen zu 5 Dauer, Umfang und Gliederung des Studiums, Kreditpunkte, Teilzeitstudium
Anlage 3 Studiengangsspezifische Anlage zum Studiengang (Fachmaster) vom 18.08.2017 (1) Ergänzungen zu 2 Studienziele Der Masterstudiengang bietet ein wissenschaftliches Vertiefungsstudium auf der Grundlage
MehrEffzienzsteigerung durch intelligentes Datenmanagement
Effzienzsteigerung durch intelligentes Datenmanagement Analyse, Optimierung, Steuerung und Prognose von Prozessen Dr. Thomas Natschläger +43 7236 3343 868 thomas.natschlaeger@scch.at www.scch.at Das SCCH
MehrKünstliche Intelligenz: Gefahr oder Chance? Eric Berg Lead Architekt Azure und Microsoft MVP, COMPAREX
Künstliche Intelligenz: Gefahr oder Chance? Eric Berg Lead Architekt Azure und Microsoft MVP, COMPAREX Künstliche Intelligenz Was ist Künstliche Intelligenz? KI und der Mensch: Miteinander oder Gegeneinander?
MehrUniversitätsbibliothek Paderborn
Universitätsbibliothek Paderborn 2. Satzung zur Änderung der Prüfungsordnung für den Master-Studiengang Elektrotechnik der Fakultät für Elektrotechnik, Informatik und Mathematik an der Universität Paderborn
MehrKooperation von Mensch und Maschine am Beispiel von IBM Watson Solutions
Kooperation von Mensch und Maschine am Beispiel von IBM Watson Solutions Peter Zimmer Nicole Roik Dr. Klemens Hägele IBM Deutschland GmbH Saarbrücken 22. Februar 2018 2018 IBM Corporation 1 2018 IBM Corporation
MehrÜberblick über die spezialisierten Masterstudiengänge Informatik
Überblick über die spezialisierten Masterstudiengänge Informatik Studiengang Wahlpflichtbereiche Pflicht Umfang Wahlpflicht Autonome Sense Systeme Act Plan Basis Technologies 17-20 CP Distributed Software
MehrBeispiel-Musterstudienpläne
Beispiel-Musterstudienpläne Dieser Anhang bezieht sich auf Anhang 3 der Studienordnung, in der die Prinzipien zur Erstellung von Musterstudienplänen beschrieben sind, und enthält jeweils drei Beispiele
MehrKlausurtermine Technische Informatik WS 2018/19 (Prüfungszeitraum vom ) Stand: Änderungen rot markiert - vorbehalten!
Klausurtermine Technische Informatik WS 2018/19 (Prüfungszeitraum vom 04.02 05.04.2019) Stand: 10.12.2018 Änderungen rot markiert - vorbehalten! Wochentag Prüfungstermin: Prüfungsbezeichnung: Raum/Räume:
MehrVeranstaltungen, SWS, ECTS, Prüfungsdauer
Anhang 1: 1 2 3 4 5 6 7 8 9 10 Veranstaltungen, SWS, ECTS, Pflichtveranstaltungen in Grundstudium Veranstaltung SWS ECTS (Klausur) (mündl.) Einführung in die Informatik I (LMU/TUM Alt) # 4V+3Ü 9 135-225
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 0. Organisatorisches Malte Helmert Universität Basel 16. Februar 2015 Organisatorisches Personen: Dozent Dozent Prof. Dr. Malte Helmert E-Mail: malte.helmert@unibas.ch
MehrModulliste. für den Masterstudiengang. Computervisualistik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Computervisualistik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Sommersemester 2016 Der Masterstudiengang Computervisualistik (CV) Der
MehrWirtschaftsinformatik an der Universität Trier. Intelligente Technologien für das Management der Zukunft!
Wirtschaftsinformatik an der Universität Trier Intelligente Technologien für das Management der Zukunft! 9.4.2018 Professuren der Wirtschaftsinformatik Wirtschaftsinformatik I: Verteilte Künstliche Intelligenz
MehrTouchscreen und TV als User Interface für eine AAL-Umgebung für ältere Personen. Auszug aus dem EU-Projekt SOPRANO
Competence Center Human-Computer Interaction 1 Touchscreen und TV als User Interface für eine AAL-Umgebung für ältere Personen (Touchscreen and TV as User Interface for an AAL-environment for elderly people)
MehrKlausurtermine Informatik Herbst 2016 Stand: Änderungen sind rot markiert Wochentag Prüfungstermin: Prüfungsbezeichnung: Raum/Räume:
Klausurtermine Informatik Herbst 2016 Stand: 20.07.2016 Änderungen sind rot markiert Wochentag Prüfungstermin: Prüfungsbezeichnung: Raum/Räume: Semester Montag 18.07.2016 11.00-14.00 Digitalschaltungen
MehrDesign und Entwicklung von Online-Lernangeboten für die Hochschule
Thomas Lerche Lehrstuhl für Schulpädagogik LMU München Hans Gruber Lehrstuhl für Pädagogik III Universität Regensburg Design und Entwicklung von Online-Lernangeboten für die Hochschule Ausgangslage Ca.
MehrIntelligente Systeme WS 2015/16
Lehrgebiet Intelligente Systeme WS 2015/16 Andreas Dengel Fragestellungen Automatisierung von intelligentem" Verhalten im Sinn eines Leistungsverstärkers für den Menschen, z.b. Verstehen von Bildern, Sprache
MehrAnrechnung bereits erbrachter Leistungen bei Umstieg von MSc CV der PO 2006 auf MSc CV der PO Master CV
Anrechnungen bereits erbrachter Leistungen Anm.: es kann sein, dass Leistungen in der 2006er PO erbracht wurden, die in PO2012 Name: Mat.Nr: Mailadresse nicht aufgeführt sind. In diesem Fall wird geprüft,
MehrIntelligente Agenten
Intelligente Agenten Melanie Kruse 22.06.2004 Seminar Komponentenorientierte Softwareentwicklung und Hypermedia FH Dortmund SS 2004 Was sind Agenten? Agentenforscher diskutieren seit längerem: jedoch keine
MehrSchwerpunkt e-learning / Wissensmanagement. im Bachelor-Studiengang Informatik der Universität Oldenburg
Schwerpunkt e-learning / Wissensmanagement im Bachelor-Studiengang Informatik der Universität Oldenburg Claus Möbus Hilke Garbe 31.07.2007 el/wm PCM 1 elearning / Wissensmanagement Gesellschaft - arbeitsteilig
MehrAlgorithmenalltag. Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering
Algorithmenalltag Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering Start reden (Begrüßung) vortragen Aufmerk-samkeit erlangt? kurze Pause machen Ende Algorithmen Was machen sie mit uns? Was sind
MehrMasterstudiengang Autonome Systeme Wahlkatalog
Masterstudiengang Autonome Systeme Wahlkatalog Titel der Veranstaltung Veranstalter TUCaN-Nr. CP Wahlbereich A: Sense Vision Bildverarbeitung G. Sakas 20-00-0155 6 Computer Vision I S. Roth 20-00-0157
MehrProjekt-INF Folie 1
Folie 1 Projekt-INF Entwicklung eines Testbed für den empirischen Vergleich verschiedener Methoden des maschinellen Lernens im Bezug auf die Erlernung von Produktentwicklungswissen Folie 2 Inhalt Ziel
MehrIndustrie 5.0. Kommt die mathematische Revolution? Prof. Dr. Marco Lübbecke Lehrstuhl für Operations Research RWTH Aachen.
Industrie 5.0 Kommt die mathematische Revolution? Prof. Dr. Marco Lübbecke Lehrstuhl für Operations Research RWTH Aachen @mluebbecke Gurobi Anwendertage 6. Februar 2017 Marco Lübbecke Professor für Operations
MehrDigitale Hospitanz Videos in der Lehrerbildung. Diana Stoll, Stephan Sallat QUALITEACH
Digitale Hospitanz - 360 Videos in der Lehrerbildung Diana Stoll, Stephan Sallat 20.09.2017 QUALITEACH Einleitung inklusive Schulentwicklung und inklusive Lernkulturen als Herausforderung für die Lehrerbildung
MehrAAL AUSTRIA: Innovationsplattform für intelligente Assistenz im Alltag
AAL AUSTRIA Innovationsplattform für intelligente Assistenz im Alltag AAL AUSTRIA: Innovationsplattform für intelligente Assistenz im Alltag FFG/benefit Wien, 2012-10-22 Entstehung von AAL AUSTRIA Initiative
MehrKünstliche Intelligenz und Digitalisierung. Implikationen für den Mittelstand und die Gesellschaft
Künstliche Intelligenz und Digitalisierung Implikationen für den Mittelstand und die Gesellschaft Handschlag zum Auftakt der Hannover Messe 2018 2 Apokalyptiker vs. Euphoriker 3 Agenda Digitalisierung
MehrModulübersicht des Masterstudiengangs Mobile and Embedded Systems
Modulübersicht Master MES (Planungsstand 10.März 2016) 1 Modulübersicht des Masterstudiengangs Mobile and Embedded Systems Human-Computer Interaction (HCI) - Mobile Human-Computer Interaction neu HCI 2V+1Ü
MehrVerteilte Systeme / Kooperierende Roboter
Verteilte Systeme / Kooperierende Roboter Proseminar Anwendungen und Methoden der Modernen Robotik SoSe 2005 Uni Hamburg Claudius Herder, Justus Winter 4herder@informatik.uni-hamburg.de, 4winter@informatik.uni-hamburg.de
MehrAdvanced Business Intelligence. Advanced Networking. Artificial Intelligence. Campus Offenburg Badstraße 24, 77652
Advanced Business Intelligence Prerequisite english description Hours 4.0 Praktikum Data Mining Nr. E+I2118 Data Mining Nr. E+I2117 Advanced Networking Hours 4.0 Advanced Networking Nr. E+I2103 Praktikum
MehrForschung zum automatisierten und vernetzten Fahren. Dr.-Ing. Tobias Hesse
Forschung zum automatisierten und vernetzten Fahren Dr.-Ing. Tobias Hesse DLR.de Folie 2 Automatisierter und vernetzter Straßenverkehr der Zukunft Der Nutzer steht im Mittelpunkt Anforderungen an Automation:
MehrEvidenzpropagation in Bayes-Netzen und Markov-Netzen
Einleitung in Bayes-Netzen und Markov-Netzen Thomas Thüm 20. Juni 2006 1/26 Thomas Thüm in Bayes-Netzen und Markov-Netzen Übersicht Einleitung Motivation Einordnung der Begriffe 1 Einleitung Motivation
MehrNr. 42 / 13 vom 31. Mai 2013
Nr. 42 / 13 vom 31. Mai 2013 2. Satzung zur Änderung der Prüfungsordnung für den Master-Studiengang Elektrotechnik der Fakultät für Elektrotechnik, Informatik und Mathematik an der Universität Paderborn
MehrLinguistik mit Schwerpunkt Computerlinguistik / Sprachtechnologie
Nebenfach/Anwendungsfach Linguistik mit Schwerpunkt Computerlinguistik / Sprachtechnologie Prof. Dr. Udo Hahn Lehrstuhl für Computerlinguistik Institut für Germanistische Sprachwissenschaft Friedrich-Schiller-Universität
Mehr