Grundlagen der Künstlichen Intelligenz
|
|
- Marie Brinkerhoff
- vor 7 Jahren
- Abrufe
Transkript
1 KI Wintersemester 2013/2014 Grundlagen der Künstlichen Intelligenz Marc Toussaint Machine Learning & Robotics Lab Universität Stuttgart
2 Vorlesungen IS Vorlesungen der Abteilung MLR Bachelor: Grundlagen der Künstlichen Intelligenz (3+1 SWS) Master: Vertiefungslinie Intelligente Systeme gemeinsam angeboten mit Andres Bruhn (Computer Vision) Vorlesungen der Vertiefungslinie IS: Mathematics for Intelligent Systems (Nathan Ratliff) Introduction to Robotics (Toussaint) SS: Machine Learning (Toussaint) SS: Optimization (Toussaint) Reinforcement Learning (Ngo) Hauptseminare: Advanced Machine Learning (Toussaint) SS: Advanced Robotics (Toussaint) 3
3 Vorlesungen IS Weitere Veranstaltungen von Andres Bruhn Vorlesungen der Vertiefungslinie IS: Computer Vision (Bruhn) SS: Correspondence Problems in Computer Vision (Bruhn) Hauptseminare: Recent Advances in Computer Vision (Bruhn) 4
4 Organisatorisches (1) Welche Voraussetzung werden empfohlen? Mathematik für Informatiker und Softwaretechniker außerdem hilfreich: Algorithmen und Datenstrukturen Theoretische Informatik 7
5 Organisatorisches (4) Prüfungsmodalitäten Schriftliche Prüfung, 90 Minuten keine Hilfsmittel erlaubt Anmeldung: Im LSF / beim Prüfungsamt Prüfungszulassung: 50% der Punkte der Übungsaufgaben Vorrechnen: bis zu zwei mal im Semester möglich gibt die Hälfte der Aufgabenpunkte zusätzlich Registrierung und Skript Webseite zur Vorlesung: das Skript wird dort zu jeder Vorlesung online gestellt (passwortgeschützt) 8
6 Inhalt (1) Inhalt Grundlagen der KI: Lösungs-Suche, Spiele, Logik, Inferenz Nicht Mustererkennung (Computer Vision, Sprache) Lernen (Maschinelles Lernen, Reinforcement Lernen) 13
7 Inhalt (2) Kapitel-Nummerierung wie Russel-Norvig 1. Einführung 2. Intelligente Agenten 3. Problemlösen durch Suchen 4. Heuristische Suche 5. Probleme mit Rand- oder Nebenbedingungen 6. Adversariale Suche 7. Logik-basierte Agenten 8. Prädikatenlogik 9. Prädikatenlogische Inferenz 16
8 Inhalt (3) Kapitel-Nummerierung wie Russel-Norvig 13. Unsicherheit 14. Probablistisches Schließen 15. Inferenz über die Zeit 16. Rationale Entscheidungen 17. Komplexe Entscheidungen 17
9 Inhalt (4) 1. Einführung Intelligenz Definitionen der KI Rationalität 18
10 Inhalt (5) 2. Intelligente Agenten Agenten Umgebungen Agententypen Schematischer Aufbau eines Agenten 19
11 Inhalt (6) 3. Problemlösen durch Suchen Problemtypen Problemformulierung Beispielprobleme Suchbäume Suchstrategien Routenplanung Routenplanung als Suchproblem 20
12 Inhalt (7) 4. Heuristische Suche Informierte Suche Lokale Suchalgorithmen Nichtdeterministische Suche Routenplanung mit Luftlinien-Heuristik 21
13 Inhalt (8) 5. Probleme mit Rand- oder Nebenbedingungen Constraint Satisfaction Problems (CSPs) Backtracking, Variablen und Werteauswahl, Sackgassenvorhersage, Vorteilhafte Spezialfälle Lokale Suche Lösung des Einfärbeproblems mit drei Farben 22
14 Inhalt (9) 6. Adversariale Suche Spiele Minimax für zwei Spieler α-β Pruning Minimax für mehrere Spieler Nicht-deterministische Spiele Kartenspiele Suchbaum für Spiel mit Würfelkomponente Schach bzw. Kartenspiel 23
15 Inhalt (10) 7. Logik-basierte Agenten Wissens-basierte Agenten ( ) ( ) Wumpus Welt Inferenzregel für Bikonditional Aussagenlogik Inferenzregeln, Modus Ponens, Resolution Vorwärtsverkettung, Rückwärtsverkettung Wumpus Welt Inferenz durch Vorwärtsverkettung 24
16 Inhalt (11) 8. Prädikatenlogik Prädikatenlogik vs. Aussagenlogik Quantoren Anwendung der Prädikatenlogik Wissensreprästentation in Prädikatenlogik Repräsentation von Veränderungen Prädikatenlogik Represäntation von Veränderungen 25
17 Inhalt (12) 9. Prädikatenlogische Inferenz Instantiierung Reduktion auf aussagenlogische Inferenz Generalisierter Modus Ponens Unifikation Vorwärtsverkettung, Rückwärtsverkettung Resolution x König(x) Gierig(x) Böse(x) König(John) y Gierig(y) Bruder(Richard,John) Prädikatenlogische Inferenz 26
18 P(loch zahnschmerzen) / P(zahnschmerzen)* = ( ) / ( ) = 0.4 Inhalt (13) 13. Unsicherheit Wahrscheinlichkeit Bedingte Wahrscheinlichkeit Inferenz Unabhängigkeit Bedingte Unabhängigkeit Bayes sche Regel Gemeinsame Wahrscheinlichkeiten P(loch zahnschmerzen) = Berechnung bedingter Wahrscheinlichkeiten 27
19 Inhalt (14) 14. Probabilistisches Schließen Bedingte Wahrscheinlichkeitstabellen Bayes-Netze Bayes-Netz 28
20 Inhalt (15) 15. Inferenz über die Zeit Markov-Prozesse Inferenz: Filterung, Vorhersage, Glättung, wahrsch. Erklärung Hidden Markov Modelle Kalman Filter Dynamische Bayes-Netze Spracherkennung Hidden Markov Modell (HMM) Kalman-Filterung von Trajektorien 29
21 Inhalt (16) 16. Rationale Entscheidungen Rationale Prioritäten Nutzenfunktion Geld Entscheidungsnetzwerke Wert von Information Lotterie/Aktion mit rationalem Ergebnis MEN-Prinzip: Wähle die Aktion A, die zur Maximierung des Erwarteten Nutzens führt. EU(A E) = i P(Resultat i (A) A, E) U(Resultat i (A)). Berechnung des erwarteten Nutzens 30
22 Inhalt (17) 17. Komplexe Entscheidungen Sequentielle Entscheidungen Markov Entscheidungsprozesse Optimale Taktik Wert- und Taktikiteration Konvergenz von Nutzen und Taktik Optimale Taktik (Handlungsschema) für Markov Entscheidungsprozess 31
23 Organisation der Übungen Wir werden ca. 5 Probleme definieren: Kürzester Weg in einer Karte [Suchmethoden] CSP Probleme wie Sudoku und map coloring Wumpus Welt (geplant) Spam Filter mit Naive Bayes Samplingmethoden Schach/TicTacToe oder andere Spiele mit MCTS/UCT Problem-orientierte Herangehensweise 32
24 Organisation der Übungen Eine gemeinsame Übung, 14-tägig, Donnerstag 11:30 Die meisten Aufgaben werden Programmieraufgaben sein In den Übungsstunden besprechen wir den Lösungen und code Einzelne Nicht-Programmier-Aufgaben werden hier in der Präsenz-Übungen diskutiert Lösungen können in Gruppen abgegeben werden Lösungen werden an einen gitlab server eingecheckt und automatisch getestet Generische Programmiersprache: Python 33
25 Literatur Hauptliteratur Stuart Russell & Peter Norvig: Artificial Intelligence A Modern Approach (Pearson) 34
Künstliche Intelligenz
Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage Mit Beiträgen von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebastian Thrun ein Imprint von Pearson Education
MehrKünstliche Intelligenz
Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage Mit Beiträgen von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebastian Thrun PEARSON mm ein Imprint von Pearson
MehrKünstliche Intelligenz
Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage itb< en von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebast- run PEARSON Studium ein Imprint von Pearson Education
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
MehrKünstliche Intelligenz
Künstliche Intelligenz Künstliche Intelligenz Ein moderner Ansatz 3., aktualisierte Auflage Stuart Russell Peter Norvig Fachliche Betreuung: Prof. Dr. Frank Kirchner Higher Education München Harlow Amsterdam
Mehrauf einer Suche basierender problemlösender Agent (Kapitel 3) logischer Planungsagent (Kapitel 10)
11 Planen Zentrale Fragestellung: Wie kann ein Agent die Struktur eines Problems nutzen, um komplexe Aktionspläne zu konstruieren? Bisher zwei Beispiele für planende Agenten: auf einer Suche basierender
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,
MehrVorlesung Künstliche Intelligenz Wintersemester 2009/10
Vorlesung Künstliche Intelligenz Wintersemester 2009/10 Prof. Dr. Gerd Stumme Dipl.-Inform. Björn-Elmar Macek Vorlesung Dienstag, 10:15 11:45 Uhr, Raum 0443 Beginn: 20.10.2009 Vorlesung Mittwoch 14:00
MehrEinführung in die Methoden der Künstlichen Intelligenz. Klausurvorbereitung Überblick, Fragen,...
Einführung in die Methoden der Künstlichen Intelligenz Klausurvorbereitung Überblick, Fragen,... PD Dr. David Sabel SoSe 2014 Stand der Folien: 18. Juli 2014 Klausur Termin: Donnerstag 31. Juli um 9.15h
MehrÜbersicht. 9. Schließen in der Prädikatenlogik 1. Stufe
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern 6. Logisch schließende Agenten 7. Prädikatenlogik 1. Stufe 8. Entwicklung einer Wissensbasis 9. Schließen in der Prädikatenlogik
MehrArtificial Intelligence
Artificial Intelligence Introduction Marc Toussaint University of Stuttgart Winter 2015/16 (slides based on Stuart Russell s AI course) The rise of AI (again) The singularity Ethics The value problem The
MehrWissensrepräsentation
Wissensrepräsentation Vorlesung Sommersemester 2008 12. Sitzung Dozent Nino Simunic M.A. Computerlinguistik, Campus DU Übersicht Rückblick, Zusammenhänge Mysterien 2 Inhalte im abstrakten Überblick Künstliche
MehrLogik für Informatiker
Logik für Informatiker Vorlesung 5: Normalformen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 2. November 2017 1/37 MOTIVATION FÜR AUSSAGENLOGIK Aussagenlogik
MehrAufgabe 1 (Allgemeines)
Klausur... Einführung in die Künstliche Intelligenz 1SS08 Aufgabe 1 (Allgemeines) (4 Punkte) a) In der Künstlichen Intelligenz unterscheidet man symbolische und subsymbolische Verfahren. Beschreibe diese
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:
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 28. Aussagenlogik: DPLL-Algorithmus Malte Helmert Universität Basel 2. Mai 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26. Grundlagen 27. Logisches
MehrKünstliche Intelligenz
Künstliche Intelligenz Bearbeitet von Uwe Lämmel, Jürgen Cleve 4., aktualisierte Auflage 2012. Buch. 336 S. ISBN 978 3 446 42758 7 Format (B x L): 18 x 24,5 cm Gewicht: 717 g Weitere Fachgebiete > EDV,
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 4. Einführung: Umgebungen und Problemlösungsverfahren Malte Helmert Universität Basel 2. März 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrOrganisatorisches. Zeit und Ort: Di 8 10 MZH 1090 Mi MZH 1110
Logik Organisatorisches Zeit und Ort: Di 8 10 MZH 1090 Mi 16 18 MZH 1110 Prof. Thomas Schneider Raum Cartesium 2.56 Tel. (218)-64432 ts@informatik.uni-bremen.de Position im Curriculum: Wahlbereich Bachelor-Basis
MehrSeminar Künstliche Intelligenz Wintersemester 2014/15
Seminar Künstliche Intelligenz Wintersemester 2014/15 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 15.10.2014 2 / 14 Überblick Teilgebiete der KI Problemlösen,
MehrVorwort zur dritten Auflage
Vorwort zur dritten Auflage In Kap. 8 gibt es nun zwei neue Abschnitte. Das wichtige Thema Kreuzvalidierung erhält in Abschn. 8.5 endlich den verdienten Raum. In Abschn. 8.8 über One-Class-Learning werden
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Sprachtechnologie. Tobias Scheffer Paul Prasse Michael Großhans
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Sprachtechnologie Tobias Scheffer Paul Prasse Michael Großhans Organisation Vorlesung/Übung, praktische Informatik. 4 SWS. 6 Leistungspunkte
MehrKünstliche Intelligenz für Ingenieure
Künstliche Intelligenz für Ingenieure von Prof. Dr.-Ing. Jan Lunze 2., völlig überarbeitete Auflage Oldenbourg Verlag München Verzeichnis der Anwendungsbeispiele Hinweise zum Gebrauch des Buches xvii xxiii
MehrMaschinelles Lernen II
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Maschinelles Lernen II Niels Landwehr Organisation Vorlesung/Übung 4 SWS. Ort: 3.01.2.31. Termin: Vorlesung: Dienstag, 10:00-11:30.
MehrLogik. Vorlesung im Wintersemester 2010
Logik Vorlesung im Wintersemester 2010 Organisatorisches Zeit und Ort: Di 14-16 MZH 5210 Do 16-18 MZH 5210 Prof. Carsten Lutz Raum MZH 3090 Tel. (218)-64431 clu@uni-bremen.de Position im Curriculum: Modulbereich
MehrEvolutionäre Algorithmen Einführung
Evolutionäre Algorithmen Einführung Prof. Dr. Rudolf Kruse Pascal Held {kruse,pheld}@iws.cs.uni-magdeburg.de Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik Institut für Wissens- und Sprachverarbeitung
MehrKünstliche Intelligenz
George F. Luger 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Künstliche Intelligenz Strategien zur Lösung komplexer
MehrTeil VIII. Weiterführende Veranstaltungen im FG Wissensverarbeitung
Teil VIII Weiterführende Veranstaltungen im FG Wissensverarbeitung Überblick 1 Zusammenfassung AlgoDS 2 Datenbanken 3 Internet-Suchmaschinen 4 Knowledge Discovery 5 Künstliche Intelligenz 6 Seminare &
MehrEinführung in die Künstliche Intelligenz
Einführung in die Künstliche Intelligenz Vorlesung mit Übung WS 2002/2003 Prof. F. v. Henke Organisatorisches Vorlesung: Mo 12 14 Mi 14 16 Sprechstunde: nach der Vorlesung, oder nach Vereinbarung vhenke@ki.informatik.uni-ulm.de
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 23. Constraint-Satisfaction-Probleme: Constraint-Netze Malte Helmert Universität Basel 13. April 2015 Constraint-Satisfaction-Probleme: Überblick Kapitelüberblick
MehrKünstliche Intelligenz für Ingenieure
Künstliche Intelligenz für Ingenieure von Prof. Dr.-lng.Jan Lunze 2., völlig überarbeitete Auflage OldenbourgVerlag München Inhaltsverzeichnis Verzeichnis der Anwendungsbeispiele Hinweise zum Gebrauch
MehrEinführung in die Programmierung
Einführung in die Programmierung Organisatorisches Prof. Dr. Peer Kröger, Florian Richter, Michael Fromm Wintersemester 2018/2019 Allgemeine Informationen zum Studium Studiengangskoordinator (Hauptfach
MehrLogik für Informatiker
Logik für Informatiker Vorlesung 6: Modellierung Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 1/30 MOTIVATION FÜR AUSSAGENLOGIK Aussagenlogik erlaubt Repräsentation
MehrAlgorithmen und Datenstrukturen in der Bioinformatik
Algorithmen und Datenstrukturen in der Bioinformatik Vorlesung von Dr. Gunnar Klau Wintersemester 2005/2006, FU Berlin gunnar@math.fu-berlin.de http://www.math.fu-berlin.de/~gunnar 1 Aus dem Vorlesungsverzeichnis:
Mehr4 Spezielle Schlussverfahren
4 Spezielle Schlussverfahren 10. Vorlesung: Abduktion und Hypothesenbildung; Induktion und Lernen Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2012/2013 Kernfragen der Vorlesung 1. Wie lässt
MehrÜbersicht. Künstliche Intelligenz: 13. Unsicherheiten Frank Puppe 1
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres Wissen und Schließen 13. Unsicherheiten 14. Probabilistisches Schließen 15. Probabilistisches
MehrGrundlagen der KI + Reasoning Agents
Grundlagen der KI + Reasoning Agents Prof. Thielscher Welche heuristischen Suchverfahren gibt es? Erläutern Sie A* am Beispiel. Aufbau und Schlussfolgerungen von Bayesschen Netzen. Thielscher drängt auf
Mehr4 Spezielle Schlussverfahren
4 Spezielle Schlussverfahren 10. Vorlesung: Abduktion und Hypothesenbildung; Induktion und Lernen Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2009/2010 Kernfragen der Vorlesung 1. Wie lässt
MehrKünstliche Intelligenz Logische Agenten & Resolution
Künstliche Intelligenz Logische Agenten & Resolution Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Inferenz-Algorithmus Wie könnte ein
MehrÜbersicht. Künstliche Intelligenz: 3. Problemlösen durch Suche Frank Puppe 1
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrEinführung in die Künstliche Intelligenz
Einführung in die Künstliche Intelligenz Vorlesung WS 2004/05 Joachim Hertzberg, Andreas Nüchter (Übungen) Institut für Informatik Abteilung Wissensbasierte Systeme 1 Web-Seite Organisatorisches http://www.inf.uos.de/hertzberg/lehre/2004_ws/vorlesung_ki-intro/ki_ws04.html
MehrEinführung in die AI
1 Einführung in die AI Prof. Georg Gottlob Institut für Informationssysteme Technische Universität Wien Folien zur Vorlesung Konzepte der Artificial Intelligence 3 Zum Begriff Artificial Intelligence AI:
MehrNumerik gewöhnlicher Differentialgleichungen Wintersemester 2014/15. Kapitel 0
Numerik gewöhnlicher Differentialgleichungen Wintersemester 2014/15 Kapitel 0 Jun.-Prof. Dr. Thorsten Raasch Johannes Gutenberg-Universität Mainz Institut für Mathematik 29. Oktober 2015 Numerik was ist
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Tobias Scheffer, Tom Vanck, Paul Prasse
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Sprachtechnologie Tobias Scheffer, Tom Vanck, Paul Prasse Organisation Vorlesung/Übung, praktische Informatik. 4 SWS. Termin: Montags,
MehrGraphentheorie. für Wiederholer Bachelor Informatik und Wirtschaftsinformatik. Prof. Dr. Peter Becker
Graphentheorie für Wiederholer Bachelor Informatik und Wirtschaftsinformatik Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Wintersemester 2018/19 Peter Becker (H-BRS) Graphentheorie
MehrLars Schmidt-Thieme et al., Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany, 0/13
0/13 Lehrveranstaltungen Wintersemester 2011/2012 WI-Gebiet Anwendungssysteme (teilw.) WI-Gebiet Business Intelligence Informatik-Gebiet KI & Maschinelles Lernen Prof. Dr. Dr. Lars Schmidt-Thieme Information
MehrKünstliche Intelligenz
Künstliche Intelligenz Intelligente Agenten Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 26. Oktober 2011 Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten
MehrBlockpraktikum (theoretische Informatik) Effizientes Programmieren
Blockpraktikum (theoretische Informatik) Effizientes Programmieren Markus Holzer und Christian Kern und Michael Tautschnig Institut für Informatik Technische Universität München Boltzmannstraße 3 D-85748
MehrAnerkennung von Studien- bzw. Prüfungsleistungen für das Fach Erstfach Informatik
Fächerübergreifender Bachelorstudiengang PO 2018 von Studien- bzw. Prüfungsleistungen für das Fach Erstfach Informatik Matrikelnummer: Name, Vorname: Anschrift: E-Mail: Telefon: Dieses Formular ist im
MehrSeminar Künstliche Intelligenz Wintersemester 2014/15
Seminar Wintersemester 2014/15 Martin Hacker Richard Schaller Department Informatik FAU Erlangen-Nürnberg 8.10.2014 Vorstellung Über die Dozenten Institution Lehrstuhl für 2 / 7 2 / 7 KISEM WS 2014/15
MehrBildverarbeitung. Albert-Ludwigs-Universität Freiburg
Grundlagen der Mustererkennung e e u (Kursvorlesung) Prof. Dr. H. Burkhardt Lh Lehrstuhl thlfür Mustererkennung und Bildverarbeitung Institut t für Informatik Albert-Ludwigs-Universität Freiburg H. Burkhardt,
MehrModulbeschreibung. Seite 1 von 5. Allgemeine Daten: Modulnummer: EI0310 Modulbezeichnung (dt.):
Modulbezeichnung (dt.): Diskrete Mathematik für Ingenieure Modulbezeichnung (en.): Discrete Mathematics for Engineers Modulniveau: BSc Kürzel: Untertitel: Semesterdauer: 1 Semester Häufigkeit: SS Sprache:
Mehr! Die Idee Kombination von Informatik und einem anderen Fach
Computerlinguistik Integriertes Anwendungsfach im B.Sc.Studiengang Department Informatik / Universität Hamburg! Wie funktioniert das integrierte Anwendungsfach Computerlinguistik (organisatorisch)?! Beziehungen
MehrI.1. Organisatorisches - 1 -
- 1 - Vorlesung "Programmierung" Inhalt der Vorlesung Was ist ein Programm? Was sind grundlegende Programmierkonzepte? Wie konstruiert (entwickelt) man ein Programm? Welche Programmier-Paradigmen gibt
MehrDiskrete Strukturen WS 2010/11. Ernst W. Mayr. Wintersemester 2010/11. Fakultät für Informatik TU München
WS 2010/11 Diskrete Strukturen Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/ Wintersemester 2010/11 Diskrete Strukturen Kapitel 0 Organisatorisches Vorlesungen:
MehrUniversität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / WS 2003/2004. Jun.-Prof. Dr. B.
Universität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / Künstliche Intelligenz für IM Name, Vorname: Matrikel-Nr.: Studiengang: WS 2003/2004 Jun.-Prof. Dr.
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
MehrGrundkurs Künstliche Intelligenz
Grundkurs Künstliche Intelligenz Wolfgang Ertel Grundkurs Künstliche Intelligenz Eine praxisorientierte Einführung Wolfgang Ertel Hochschule Ravensburg-Weingarten Weingarten, Deutschland ISBN 978-3-8348-1677-1
MehrUniversitŠt Bielefeld bersicht zu Abschnitt 5. u Gegenstand: Überblick über weitere Inferenzverfahren
bersicht zu Abschnitt 5 5 Spezielle Schlußverfahren 13. Vorlesung: Abduktion und Hypothesenbildung Induktion und Lernen Methoden der KŸnstlichen Intelligenz Ipke Wachsmuth ÊWS 2000/2001 u Gegenstand: Überblick
MehrSemester-Fahrplan 1 / 17
Semester-Fahrplan 1 / 17 Hydroinformatik I Einführung in die Hydrologische Modellierung Bayes sches Netz Olaf Kolditz *Helmholtz Centre for Environmental Research UFZ 1 Technische Universität Dresden TUDD
MehrMethoden wissensbasierter Systeme
Christoph Beierle Gabriele Kern-Isberner Methoden wissensbasierter Systeme Grundlagen - Algorithmen - Anwendungen 2., überarbeitete und erweiterte Auflage vieweg ix Vorwort zur 2., erweiterten Auflage
MehrMathematisch-algorithmische Grundlagen für Big Data
Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2017
MehrModultabelle M.Sc. Computing in the Humanities Fakultät Wirtschaftsinformatik und Angewandte Informatik Stand: Wintersemester 2012/2013
Otto-Friedrich-Universität Bamberg Modultabelle M.Sc. Computing in the Humanities Fakultät Wirtschaftsinformatik und Angewandte Informatik Stand: Wintersemester 2012/2013 ID Modul Semester ECTS SWS Prüfung
MehrLogik. Prof. Dr. Thomas Schneider AG Theorie der künstlichen Intelligenz Cartesium, Raum 2.56 ts[ät]informatik.uni-bremen.de
Logik WiSe 2017/18 Prof. Dr. Thomas Schneider AG Theorie der künstlichen Intelligenz Cartesium, Raum 2.56 ts[ät]informatik.uni-bremen.de Homepage der Vorlesung: http://tinyurl.com/ws1718-logik Organisatorisches
MehrKonzepte der AI: Maschinelles Lernen
Konzepte der AI: Maschinelles Lernen Nysret Musliu, Wolfgang Slany Abteilung für Datenbanken und Artificial Intelligence Institut für Informationssysteme, TU-Wien Übersicht Was ist Lernen? Wozu maschinelles
MehrAusnutzen der Netzstruktur
Ausnutzen der Netzstruktur Im Australien-Färbeproblem Tasmanien unabhängig vom Rest färbbar Lösungskomplexität eigentlich O(3 6 +3 1 )=O(3 6 ) statt O(3 7 ) Zerlegbarkeit von Problemen als allgemeine Struktur-Heuristik
MehrVorlesung Programmierung
- 1 - Vorlesung Programmierung Inhalt der Vorlesung Was ist ein Programm? Was sind grundlegende Programmierkonzepte? Wie konstruiert (entwickelt) man ein Programm? Welche Programmier-Paradigmen gibt es?
MehrA1.1 Organisatorisches
Algorithmen und Datenstrukturen 28. Februar 2018 A1. Organisatorisches Algorithmen und Datenstrukturen A1. Organisatorisches A1.1 Organisatorisches Marcel Lüthi and Gabriele Röger Universität Basel A1.2
MehrProgrammierung 1 für Wirtschaftsinformatik Wintersemester 2017/18
Programmierung 1 für Wirtschaftsinformatik Wintersemester 2017/18 Prof. Dr.-Ing. habil. Peter Sobe Fakultät Informatik / Mathematik Programmierung 1: Programmierung 1 - Ziele Vermittlung von Grundkenntnissen
Mehr23.1 Constraint-Netze
Grundlagen der Künstlichen Intelligenz 1. April 2015 2. Constraint-Satisfaction-Probleme: Constraint-Netze Grundlagen der Künstlichen Intelligenz 2. Constraint-Satisfaction-Probleme: Constraint-Netze Malte
MehrIntelligente Handlungsplanung. 1. Einführung
UNIVERSITÄT ULM CURANDO Intelligente Handlungsplanung 1. Einführung Prof. Dr. Susanne Biundo-Stephan Institut für Künstliche Intelligenz, Universität Ulm SS 2008 DOCENDO SCIENDO S. Biundo-Stephan (Universität
MehrEinfacher Problemlösungsagent. Übersicht. Begriffsdefinitionen für Einfach-Probleme
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrWissensrepräsentation Vorlesung
Wissensrepräsentation Vorlesung Sommersemester 2008 1. Sitzung Dozent Nino Simunic M.A. Computerlinguistik, Campus DU Wissensrepräsentation, SS 2008 (1) Organisatorisches (2) Überblick: Inhalte Organisatorisches
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen A1. Organisatorisches Marcel Lüthi and Gabriele Röger Universität Basel 28. Februar 2018 Organisatorisches Personen: Dozenten Marcel Lüthi Gabriele Röger Dozenten Dr. Marcel
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
MehrLogik und diskrete Strukturen
Prof. Dr. Institut für Informatik Abteilung V Wintersemester 2015/16 Dozenten und Tutoren Vorlesung Professor für Theoretische Informatik E-Mail: roeglin@cs.uni-bonn.de Web: http://www.roeglin.org/ Büro:
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
MehrVorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen. Wintersemester 2011/12
Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: und effiziente Algorithmen Wintersemester 2011/12 Prof. Barbara König Übungsleitung: Jan Stückrath Barbara König BeKo/TI 1 Willkommen
MehrVorlesung: Künstliche Intelligenz
Vorlesung: Künstliche Intelligenz - KI heute, KI morgen, KI übermorgen- D P LS G ML ES S ST SA NN ME O EA SV Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte
MehrZweite Satzung zur Änderung der Bachelor-/ Master-Prüfungsordnung für den Studiengang Angewandte Informatik an der Ruhr-Universität Bochum
Nr. 670 14. November 2006 Zweite Satzung zur Änderung der Bachelor-/ Master-Prüfungsordnung für den Studiengang Angewandte Informatik an der Ruhr-Universität Bochum vom 30. Oktober 2006 Zweite Satzung
MehrKonzepte der AI. Unsicheres Schließen
Konzepte der AI Unsicheres Schließen http://www.dbai.tuwien.ac.at/education/aikonzepte/ Wolfgang Slany Institut für Informationssysteme, Technische Universität Wien mailto: wsi@dbai.tuwien.ac.at, http://www.dbai.tuwien.ac.at/staff/slany/
MehrConstraintprogrammierung
0/37 Constraintprogrammierung Eine Einführung Niko Paltzer Proseminar Programmiersysteme WS 03/04 Betreuer: Gert Smolka Geschichte 1963: Das Constraint-Konzept wird in dem interaktiven Zeichen-Programm
MehrProgrammieren I. Überblick. Institut für Angewandte Informatik. KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft
Programmieren I Überblick KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Übersicht Programmieren Programmieren I (1. Semester) 4 Vorlesungs- und Übungsstunden / Woche 7,5 (!) Stunden
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
MehrÜbersicht & Einführung
Michael Wand Institut für Informatik. Angewandte Mathematik am Rechner 2 WINTERSEMESTER 2017/18 *#$?!! Kapitel 0 Übersicht & Einführung Links! WWW-Ressourcen Webseite zum Praktikum Einstieg (Weiterleitung
Mehrverzeichnis Uwe Lämmel, Jürgen Cleve Künstliche Intelligenz ISBN: Weitere Informationen oder Bestellungen unter
verzeichnis Uwe Lämmel, Jürgen Cleve Künstliche Intelligenz ISBN: 978-3-446-42758-7 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-42758-7 sowie im Buchhandel. Carl Hanser
MehrSamuel's Checkers Program
Samuel's Checkers Program Seminar: Knowledge Engineering und Lernen in Spielen 29.06.2004 Ge Hyun Nam Überblick Einleitung Basis Dame-Programm Maschinelles Lernen Auswendiglernen Verallgemeinerndes Lernen
MehrGrundlagen der Künstlichen Intelligenz. 9.1 Einführung und Beispiele. 9.2 Constraint-Netze. 9.3 Belegungen und Konsistenz. 9.
Grundlagen der Künstlichen Intelligenz 8. April 201 9. Constraint-Satisfaction-Probleme: Einführung Grundlagen der Künstlichen Intelligenz 9. Constraint-Satisfaction-Probleme: Einführung Malte Helmert
MehrTheoretische Informatik II
Theoretische Informatik II Wintersemester 2003 Christoph Kreitz / Eva Richter Theoretische Informatik, Raum 1.19, Telephon 3064 {kreitz,erichter}@cs.uni-potsdam.de http://www.cs.uni-potsdam.de/ti 1. Das
MehrOntologie-Management Kapitel 0: Organisatorisches
Ontologie-Management Kapitel 0: Organisatorisches Wintersemester 2013/14 Anika Groß Universität Leipzig, Institut für Informatik Abteilung Datenbanken http://dbs.uni-leipzig.de Die Folien zur Vorlesung
MehrWozu formale Logik? Programmiersprachen Logik im Fingerhut. Formeln. Logik im Fingerhut (24. Januar 2005) Belegung und Interpretation
Wozu formale Logik? Logik im Fingerhut Studiengang Informatik Universität Bremen präzise Beschreibung von Aussagen über die Welt bzw. über verschiedene Welten Ziehen und Überprüfen von Schlussfolgerungen
MehrInformatik I. Einführung in Java. Begrüßung. Zusatzveranstaltung
Begrüßung Informatik I Vorlesung: Montag 14:15-16:00 Donnerstag 14:15-16:00 Hörsaal: M 1 M 1 Übung: diverse Gruppen Anmeldung ab 18.10.2005, 00:00 Uhr Link auf der WWW-Vorlesungsseite! Beginn der Übungen:
MehrComputergestützte Mathematik zur Linearen Algebra
Computergestützte Mathematik zur Linearen Algebra Erste Schritte am Rechner Christiane Helzel Übungsleiter: Pawel Buchmüller Tutoren: Valdrin Bajrami, Janka Heyer, Niclas Janssen, David Kerkmann, Tran
MehrBachelor Angewandte Informatik Ingenieur- und Medieninformatik (BAI) Einführungsveranstaltung SS 2017 Dr. Werner Otten
Bachelor Angewandte Informatik Ingenieur- und Medieninformatik (BAI) Einführungsveranstaltung SS 2017 Dr. Werner Otten Übersicht BAI was ist das? Wichtige Unterlagen & wo sie zu finden sind Module, Credits
MehrSchriftlicher Test Teilklausur 2
Technische Universität Berlin Fakultät IV Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen Wintersemester 2014 / 2015 Albayrak, Fricke (AOT) Opper, Ruttor (KI) Schriftlicher
Mehr