Springe zum Hauptinhalt

Professur Künstliche Intelligenz

Künstliche Intelligenz

Inhalte

Einführung in das Gebiet der Künstlichen Intelligenz unter Bearbeitung folgender Themen:

  • Intelligente Agenten
  • Problemformulierung und Problemtypen
  • Problemlösen durch Suchen
  • Problemlösen durch Optimieren
  • Logik erster Ordnung, Inferenzen und Planen
  • Probabilistische Methoden
  • Neuronale Netze
  • Informationstheorie
  • Lernen von Entscheidungsbäumen

Randbedingungen

Empfohlene Voraussetzungen: Grundkenntnisse Mathematik I bis IV

Prüfung: 90-minütige Klausur, 5 Leistungspunkte

SS2012

Folien zur Vorlesung

01 - Einführung
02 - Begriffe
03 - Suchen, Spielen, Probleme lösen
04 - Grundbegriffe aus der Logik
05 - Planen
06 - Constraintprobleme
07 - Optimierung
08 - Wahrscheinlichkeitstheorie
Teil II Stochastische Verfahren (Vorwort)
09 - Statistik, Schätzer
10 - Informationstheorie
11 - Lernen von Entscheidungsbäumen
12 - Neuronale Netze
13 - Bayes Netze

Übungsaufgaben

Übung 1 - Problemformulierung, Zustandsgraph
Übung 2 - Problemformulierung, Blinde Suchverfahren
Übung 3 - Heuristische Suchverfahren
Übung 4 - Spielbäume, Mini Max, Alpha Beta
Übung 5 - Planen
Übung 6 - Constraintprobleme
Übung 7 - Optimieren
Übung 8 - Wahrscheinlichkeiten, Maximum Likelihood, Bayesian Schätzer
Übung 9 - Informationstheorie
Übung 10 - Lernen von Entscheidungsbäumen
Übung 11 - Neuronale Netze
Übung 12 - Bayes Netze

Exercises

Exercise 1 - Problem formulation, States graph
Exercise 2 - Problem formulation, Blind search
Exercise 3 - Heuristical search
Exercise 4 - Game trees, Mini max, Alpha Beta
Exercise 5 - Planning
Exercise 6 - Constraint problem
Exercise 7 - Optimisation
Exercise 8 - Probabilities, Maximum Likelihood, Bayesian estimator
Exercise 9 - Information theory
Exercise 10 - Learning decision trees
Exercise 11 - Neural networks
Exercise 12 - Bayesian networks