EventoWeb
Zürcher Hochschule für Angewandte Wissenschaften
[
Deutsch (Schweiz)
Deutsch (Schweiz)
] [
Englisch
Englisch
]
Nicht angemeldet
[Home]
[Anmelden]
[Drucken]
Navigation
Kontakt zu Service Desk
Online-Dokumentation
Allgemeiner Zugriff
Module suchen
t.BA.IT.KI1.16HS (Künstliche Intelligenz 1)
Modul: Künstliche Intelligenz 1
Diese Information wurde generiert am: 29.03.2024
Nr.
t.BA.IT.KI1.16HS
Bezeichnung
Künstliche Intelligenz 1
Veranstalter
T CAI
Credits
4
Beschreibung
Version: 3.0 gültig ab 01.08.2017
Modulverantwortung:
Thilo Stadelmann (stdm), Mark Cieliebak (ciel)
Modul- / Lernziele: (Kompetenzen)
Ziel
Kompetenzen
Taxonomiestufen
(1) Sie kennen die Breite von KI - und insbesondere Machine Learning Problemlösungsstrategien
F
K1
...erkennen dadurch entsprechende Herausforderungen in der Praxis
F, M
K2, K4
...und können sich entsprechende Lösungen selbständig erarbeiten.
F, M
K3
(2) Sie können die behandelten Algorithmen und Verfahren erklären
F
K2
...und in der Praxis einsetzen.
F, M
K3
Modul- / Lerninhalte:
Um was geht es?
Computergegner in Games, schnellste Routen im Navi, optimierte Flugpläne, Diagnoseunterstützung im Spital, Proteindesign zur Krebsbekämpfung – all diesen faszinierenden Anwendungen liegen Verfahren der „Künstlichen Intelligenz“ (KI) zu Grunde.
Warum ist das relevant?
Seit über 60 Jahren widmet sich die KI der Entwicklung von Verfahren zur Lösung komplexer Problemstellungen aus dem Alltag, die vormals nur der Mensch selbst lösen konnte. Sie ist ein klassisches Teilgebiet der Informatik, und die Methoden sind so universell, dass unser Lehrbuch zu den 25 meist-zitierten wissenschaftlichen Quellen überhaupt auf Citeseer gehört.
Für wen ist das gedacht?
Diese stark praxisorientierte Einführung in ausgewählte Grundlagen der KI und des Maschinellen Lernens (ML) vermittelt konkrete hands-on Problemlösungskompetenz für alltägliche Informatik-Herausforderungen und richtet sich an alle, die von mitdenkender Software fasziniert sind. Sie eignet sich u.a. hervorragend für angehende Softwareingenieure, zukünftige Data Scientists sowie als Grundlage weiterer interdisziplinärer Vertiefungen etwa in Bereichen wie Information Engineering, Sprachverarbeitung, Computer Vision und Robotik.
Dies ist Teil 1 eines 2-semestrigen Moduls.
Inhalte
Einführung in KI: Was ist eigentlich (künstliche) Intelligenz?
-> Methodik: Das Konzept des „intelligenten Agenten“
-> Praxis: Einführung in Python
Search: Wie findet man eine geeignete Sequenz von Aktionen zur Erreichung eines komplexen Ziels, wenn Einzelaktionen zu nichts führen?
-> Methodik: z.B. Uninformed & Heuristic Search, der Minimax Algorithmus für Spiele, Constraint Satisfaction Problems
-> Praxis: KI für Spiele (z.B. 2048)
Planning:
Wie repräsentiert man Wissen so, dass automatisiertes „intelligentes“ Handeln möglich ist?
Wie kann man mittels Regeln ein Problem beschreiben und durch logisches Schliessen zu einer Lösung kommen? Geht das auch angesichts von „Big Data“?
-> Methodik: z.B. Logik als Grundlage Knowledge Engineering und Schlussfolgerungen
-> Praxis: KI für Spione (z.B. Rasterfahndung mit Datalog)
Supervised Machine Learning: Was ist (automatisches) Lernen? Wie lernt man aus Beispielen?
-> Methodik: z.B. von Entscheidungsbäumen über Ensembles zu State of the Art Verfahren
-> Praxis: KI für Data Miner (z.B. das ML Vorgehensmodell für Datenanalyse)
In den Praktika („Praxis“ oben) erkunden die Studierenden, gestützt durch die Vorlesung, in ca. einem Versuch pro Vorlesungsblock selbständig Lösungen zu Herausforderungen aus der Praxis eines Entwicklers smarter Software.
Lehrmittel /Materialien:
Russel, Norvig: „Artificial Intelligence – A Modern Approach“, 3rd Edition, Pearson, 2010. (Auch auf Deutsch)
Unterlagen für dieses Modul (z.B. Folien)
Ergänzende Literatur:
Wissenschaftliche Publikationen
Zulassungs-voraussetzungen:
Erfolgreich abgeschlossenes Assessment, Affinität zu Algorithmen, Spass am Thema
Unterrichtssprache:
Deutsch (Englisch möglich, falls gewünscht)
Modulstruktur:
Unterrichtsart
Anzahl Lektionen / Woche
Vorlesung:
2
Übung / Praktikum:
2
Blockunterricht:
-
Leistungsnachweise:
Von der Regelung der "Leistungsnachweise während der Unterrichtszeit" kann dann abgewichen werden, wenn der Dozierende dies in einer Modulbereinbarung während der ersten Woche des Studiensemesters schriftlich bekannt gibt.
Bezeichnung
Art
Form
Umfang
Bewertung
Gewichtung
Leistungsnachweise während Unterrichtszeit
Kolloquien zu Praktika
mündlich
Innerhalb Praktikum
max. 20 Punkte
20%
Semesterendprüfung
Klausur oder Prüfungsgespräch
Nach Absprache zu Semesterbeginn
90 Min. schriftlich bzw. 30 Min. mündlich
max. 80 Punkte
80%
Bemerkungen
Hinweis
Weitere verfügbare Versionen:
1.0 gültig ab 01.02.2017
Kurs: Künstliche Intelligenz 1 - Praktikum
Nr.
t.BA.IT.KI1.16HS.P
Bezeichnung
Künstliche Intelligenz 1 - Praktikum
Hinweis
Für das Stichdatum 29.03.2024 ist kein Modulbeschreibungstext im System verfügbar.
Kurs: Künstliche Intelligenz 1 - Vorlesung
Nr.
t.BA.IT.KI1.16HS.V
Bezeichnung
Künstliche Intelligenz 1 - Vorlesung
Hinweis
Für das Stichdatum 29.03.2024 ist kein Modulbeschreibungstext im System verfügbar.