PDF

MODULBESCHREIBUNG

Artificial Intelligence (AI)

Kurzzeichen:
M_AI
Durchführungszeitraum:
FS 2013 - FS 2015
ECTS-Punkte:
4
Lernziele:
  • Der Teilnehmer besitzt eine Übersicht über die Konzepte und Eigenschaften unten aufgeführter, ausgewählter Technologien und Algorithmen.
  • Mit ausgewählten Übungen lernt er deren Möglichkeiten kennen und ist in der Lage abzuschätzen, wo diese sinnvoll eingesetzt werden können.
  • Der Teilnehmer verfügt über Grundkenntnisse in der Entwicklung von diesen Technologien und Algorithmen und kann sie in eigenen Projekten einsetzen.
Verantwortliche Person:
Markus Stolze
Zusätzlich vorausgesetzte Kenntnisse:
Englisch
Modultyp:
Standard-Modul für Elektrotechnik (Bachelor 05) (Empfohlenes Semester: 6)
Standard-Modul für Elektrotechnik (Bachelor 14) (Empfohlenes Semester: 6)
Standard-Modul für Informatik (Bachelor 05) (Empfohlenes Semester: 6)
Standard-Modul für Informatik (Bachelor 11) (Empfohlenes Semester: 6)
Standard-Modul für Informatik (Bachelor 14) (Empfohlenes Semester: 6)

ECTS-Punkte pro Kategorie

Kategorie:
Elektrotechnik (Bachelor 05)
Technik / 4 Punkte
Elektrotechnik (Bachelor 14)
Technik / 4 Punkte
Informatik (Bachelor 05)
Aufbau Informatik / 4 Punkte
Informatik (Bachelor 11)
Aufbau Informatik / 4 Punkte
Informatik (Bachelor 14)
Grundlagen Informatik und Aufbau Informatik / 4 Punkte

Modulbewertung

Bewertungsart:
Note von 1 - 6

Leistungsbewertung

Während der Prüfungssession:
Schriftliche Prüfung, 120 Minuten
Zulassungsbedingungen zur Prüfung:
Testat

Während des Semesters:
 
Bewertungsart:
keine Note oder Wertung

Gewichtung:
 
Bemerkungen:
Uebungen mit Computerprogrammen der Programmiersprache Mathematica

Kurse in diesem Modul

Artificial Intelligence (AI)

Kürzel:
AI
Lernziele:
-
Plan und Lerninhalt:
  1. Einführung in die Künstliche Intelligenz
  2. Analytisch lösbare Optimierungsaufgaben
  3. Neuronale Netze
  4. Genetische Algorithmen
  5. Clusering-Gruppierverfahren

Die Schwergewichte liegen auf

  • Garphische Methoden und Spieltheorie (Backtracking, Constraint Propagation)
  • Analytische Optimierung (Multidimensionale Extremalprobleme, Lagrange Multiplikatoren, Gleichgewichte, Gradientenabstieg)
  • Expertensysteme (Clustering, Classifers)
  • Neuronale Netze (biologische und biologienahe Modellierung, Spinsystem-Analogie)
  • Evolutionäre Optimierung (genetische Algorithmen)

Kursart:
Vorlesung mit 2 Lektionen pro Woche
Uebung mit 2 Lektionen pro Woche
Beschreibung erzeugt: 2018-12-14 11:45:15
Letzte Moduländerung: 2016-01-12 15:57:02
Modul-Id: 22259 (Vorgänger)
Status: deaktiviert