Navigation

Springe zum Hauptinhalt

Künstliche Intelligenz

Einführung in die Künstliche Intelligenz

Sommersemester 2020

Vorlesung: Montag, 15.30 - 17.00, 1/219 (Prof. F. Hamker)
Übung (Englisch): Montag, 17.15 - 18.45, 1/367a (Dr. J. Vitay)
Übung: Mittwoch, 15.30 - 17.00, 1/367a (Dr. M. Teichmann)
Übung: Freitag, 11.30 - 13.00, 1/367a (Dr. M. Teichmann)

Information

Stand-by: Die Vorlesungen und Übungen werden bis zur Wiedereröffnung der Universität als Videos auf OPAL zur Verfügung gestellt. 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
  • 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

Literatur

Folien zur Vorlesung

01 - Einführung (pdf)
02 - Suchen, Spielen, Probleme lösen (pdf)
03 - Constraintprobleme (pdf)
04 - Optimierung (pdf)
05 - Neuronale Netze (pdf)
06 - Support Vektor Maschine (pdf)
07 - Wahrscheinlichkeitstheorie (pdf)
08 - Informationstheorie (pdf)
09 - Lernen von Entscheidungsbäumen (pdf)
10 - Statistik, Schätzer (pdf)
11 - Reinforcement Lernen (pdf)

Slides

01 - Introduction (pdf)
02 - Search, games and problem Solving (pdf)
03 - Constraint problems (pdf)
04 - Optimization (pdf)
05 - Neural networks (pdf)
06 - Support-vector machines (pdf)
07 - Probability theory (pdf)
08 - Information theory (pdf)
09 - Decision trees (pdf)
10 - Statistics, estimators (pdf)
11 - Reinforcement Learning (pdf)

Übungsaufgaben

01 - Problemformulierung, Zustandsgraph (pdf). Lösung (pdf).
02 - Blinde Suchverfahren (pdf). Lösung (pdf).
03 - Heuristische Suchverfahren (pdf). Lösung (pdf).
04 - Spielbäume, Mini Max, Alpha Beta (pdf). Lösung (pdf).
05 - Constraintprobleme (pdf). Lösung (pdf).
06 - Optimierung (pdf). Lösung (pdf).
07 - Neuronale Netze (pdf). Lösung (pdf).
08 - Wahrscheinlichkeitstheorie (pdf). Lösung (pdf).
09 - Informationstheorie (pdf). Lösung (pdf).
10 - Lernen von Entscheidungsbäumen (pdf). Lösung (pdf).
11 - Schätzer (pdf). Lösung (pdf).
12 - Reinforcement Lernen (pdf). Lösung (pdf).

Exercises

01 - Problem formulation, States graph (pdf). Solution (pdf).
02 - Blind search (pdf). Solution (pdf).
03 - Heuristic search (pdf). Solution (pdf).
04 - Game trees, Mini max, Alpha Beta (pdf). Solution (pdf).
05 - Constraint problems (pdf). Solution (pdf).
06 - Optimisation (pdf). Solution (pdf).
07 - Neural networks (pdf). Solution (pdf).
08 - Probabilities (pdf). Solution (pdf).
09 - Information theory (pdf). Solution (pdf).
10 - Decision trees (pdf). Solution (pdf).-
11 - Estimators (pdf). Solution (pdf).-
12 - Reinforcement Learning (pdf). Solution (pdf).

Presseartikel