Einführung in die Künstliche Intelligenz
Sommersemester 2026
| Vorlesung: | Donnerstag, | 09.30 - 11.00, A10.305 (1/305) | (Prof. F.H. Hamker) |
| Übung: | Montag, | 09.15 - 10.45, A13.219 (1/219) | (Dr. M. Teichmann, I. Koulouri) |
| Übung: | Donnerstag, | 13.45 - 15.15, A10.205 (1/205) | (Dr. M. Teichmann, I. Koulouri) |
Information
Anmeldung: https://bildungsportal.sachsen.de/opal/auth/RepositoryEntry/23116349499.
Inhalte
Einführung in das Gebiet der Künstlichen Intelligenz unter Bearbeitung folgender Themen:
- Intelligente Agenten
- Problemformulierung und Problemtypen
- Problemlösen durch Suchen
- Problemlösen durch Optimieren
- Optimierung und Constraints
- Probabilistische Methoden
- Neuronale Netze
- Informationstheorie
- Lernen von Entscheidungsbäumen
- Reinforcement Lernen
Randbedingungen
Empfohlene Voraussetzungen: Grundkenntnisse Mathematik I bis IV
Prüfung: 90-minütige Klausur, 5 Leistungspunkte
Literatur
- LeCun, Y., Bengio, Y. & Hinton, G.: Deep Learning. Nature, 521 (28 May 2015), p 436-444
- Bügeholz. H.: Mysteriöse Tiefe. Wie Google-KI den Menschen im Go schlagen will. c't 6/2016, p. 148-151
- Silver, D. et al.: Mastering the game of Go with deep neural networks and tree search. Nature 529 (28. January 2016) p. 484ff
- Browne, C. et al.: A Survey of Monte Carlo Tree Search Methods. IEEE transactions on computational intelligence and ai in games, 4(1):1-49 (March 2012)
- Heinert, M.: Support Vector Machines Teil 1: Ein theoretischer Überblick. zfv 3/2010 (2010)
Syllabus
- Was ist Künstliche Intelligenz (KI)?
- Ziele der KI
- Geschichte der Künstlichen Intelligenz
- Welche Disziplinen beeinflussen die KI?
- Wo stehen wir?
- Gefahren der KI
- KI an der TU Chemnitz
- Literatur
- What is Artificial Intelligence (AI)?
- Goals of AI
- The History of Artificial Intelligence
- Can we build intelligent machines?
- Which do disciplines affect the AI?
- AI an der TU Chemnitz
- Literature
- Problemformulierung
- Problemtypen
- Beispielprobleme
- Verbundwahrscheinlichkeit
- Summenregel
- Produktregel
- Bayes Theorem
- Apfel/Orange Beispiel
- A priori- und A posteriori Wahrscheinlichkeit
- Beispiele
- Bayesscher Wahrscheinlichkeitsbegriff
- Wahrscheinlichkeitsdichte
- Bayes Theorem für kontinuierliche Variablen
- Erwartungswert
- Varianz und Kovarianz
- Wahrscheinlichkeitsdichteverteilungen
- Optimierung - anschaulich
- Bergsteigen
- Simuliertes ausglühen
- Genetische Algorithmen
- Vergleich: Suche und Optimieren
- Lokale Suche in kontinuierlichen Räumen
- Gradientenverfahren
- Lagrangefunktion
- Einführung
- Aufbau künstlicher Neuronaler Netze
- Perzeptron und Trennbarkeit
- Historie und Zukunft Neuronaler Netze
- Lernen in künstlichen Neuronalen Netzen
- Lernen im Perzeptron
- Delta-Lernregel
- Backpropagation Lernregel
- Verwendung und Bewertung Neuronaler Netze
- Unüberwachtes und Hebb‘sches Lernen
- Deep Learning
- Spiking Neuronen
- Reservoir Computing und Echo-State Netze
- Optimale Trennebenen
- SVM Entscheidungsregel
- Maximaler Rand
- Lagrange Optimierung
- Support Vektoren
- Soft Margin Klassifikator
- Nicht-lineare Grenzen
- Kernel
- Diskussion
- Elemente des Reinforcement Lernens
- Die Markov Eigenschaft
- Value Funktionen
- Bellmann Gleichungen
- Policy Evaluation
- TD Methoden
- SARSA
- Q-Learning
- Actor-Critic
- Eligibility traces
- Deep Q-Network
- Entropie
- Differentielle Entropie
- Verbundentropie
- Bedingte Entropie
- Kullback-Leibler-Distanz
- Gemeinsame Information
- Klassifikation
- Aufbau eines Entscheidungsbaums
- Klassifikation neuer Beispiele
- Lernen von Entscheidungsbäumen
- Informationsgewinn
- ID3
- Informationsgewinnverhältnis
- C4.5
- Grundlagen
- Qualität von Schätzern
- Kleinste-Quadrate-Schätzer
- Maximum Likelihood
- Cue Integration
- Bayesian Schätzer
- Maximum a posteriori (MAP) Schätzer
- EM Algorithmus
-
Welche Schaltkreise im Gehirn bestimmen unser Alltagsverhalten?
Vom dualen System zum Netzwerk: Forschungsteam aus Chemnitz, Santiago de Chile und Magdeburg hat eine neue Sicht auf die Handlungssteuerung im Gehirn und ihren Nutzen für die Entwicklung neuroinspirierter KI …
-
Gehirn-Schluckauf besser verstehen
Projektstart für deutsch-israelisch-amerikanisches Kooperationsprojekt zur Erforschung von Tourette- Ursachen …
-
Mit „SmartStart 2“ auf dem Weg zur Promotion
Oliver Maith, der in Chemnitz Sensorik und kognitive Psychologie studierte, war in einem wettbewerblichen Verfahren zur Promotionsförderung erfolgreich und forscht nun im Bereich der Computational Neuroscience …
-
Graphen schützt Quantenkanäle: Chemnitzer Forschende weisen außergewöhnliche elektronische Zustände nach
Forschungsteam der TU Chemnitz zeigt, dass die besonderen elektronischen Eigenschaften des zweidimensionalen Quantenmaterials Bismuthen unter einer schützenden Graphenschicht erhalten bleiben – Ergebnisse wurden in „ACS Nano“ veröffentlicht …
-
Universitätsbibliothek Siebtschönste Uni-Bibliothek Deutschlands und Sie waren noch nicht da?
Industriecharme trifft modernste Bildungseinrichtung Die Alte …
-
TU Chemnitz Zur „Spätschicht“ die TU Chemnitz entdecken
Die TU Chemnitz lädt am 30. Oktober 2026 zu Führungen durch die …
-
Zentrum für den wissenschaftlichen Nachwuchs TUCgraduate Day (vormals: Tag des wissenschaftlichen Nachwuchses)
Der TUCgraduate Day bringt Promotionsinteressierte, Promovierende und …
-
TU Chemnitz Die Konferenz Eventforschung 2026: 18. Wissenschaftliche Konferenz
„Live bleibt live – aber alles wird neu“ – wie verändert sich …
-
Career Service TUCconnect | Herbst 2026
Hier besteht die Möglichkeit, mit vielen Arbeitgeberinnen und -gebern aus verschiedenen Branchen in …
-
Maschinenbau 4. Internationales Kolloquium innoTRAC
Die Veranstaltung dient als interdisziplinäre Plattform für Forschung, Entwicklung und Anwendung. …