Informatik

Mit den Schwerpunkten "Data Science & Analytics" oder "Advanced Software Engineering". Möglichkeit eines Master-Studiums parallel zu Job oder Familie
Bewerben Studienberatung
Fakultät EMI

Modulhandbuch

←  Zurück 

Künstliche Intelligenz

Empfohlene Vorkenntnisse

Programmierkenntnisse in Java

 
Lehrform Vorlesung/Labor
Lernziele / Kompetenzen

Erfolgreiche Teilnehmer*innen sind in der Lage,

  • die Möglichkeiten und Grenzen der behandelten KI Ansätze einzuschätzen
  • behandelte KI Ansätze auf forschungspraktische Aufgabenstellungen anzuwenden
  • die Ergebnisse ihrer Forschungsarbeiten für ein Fachpublikum schriftlich auszuarbeiten

 
Dauer 1
SWS 4.0
Aufwand
Lehrveranstaltung 60
Selbststudium / Gruppenarbeit: 90
Workload 150
ECTS 5.0
Voraussetzungen für die Vergabe von LP

Modulprüfung für "Künstliche Intelligenz" (K60)
"Praktikum Künstliche Intelligenz" muss attestiert sein

 
Modulverantwortlicher

Prof. Dr. Klaus Dorer

 
Max. Teilnehmer 15
Empf. Semester 1-2
Haeufigkeit jedes Jahr (SS)
Verwendbarkeit

Master-Studiengang INFM
Master-Studiengang Mechatronik und Robotik (MMR)
Veranstaltungen

Künstliche Intelligenz

Art Vorlesung
Nr. EMI2101
SWS 2.0
Lerninhalt
  1. Einführung
  2. Agentensysteme
  3. Schwarm Intelligenz
  4. Robotik
  5. Genetische Algorithmen
  6. Entscheidungsbäume
  7. Neuronale Netzwerke
  8. Deep Learning
  9. Reinforcement Learning
  10. Autonomes Fahren
Literatur

Norvig, R., Artificial Intelligence: A Modern Approach, Prentice Hall, 2009

Forschungspapiere zu den behandelten Kapiteln werden im e-Learning System zur Verfügung gestellt.

Praktikum Künstliche Intelligenz

Art Praktikum
Nr. EMI2102
SWS 2.0
Lerninhalt

Vertiefung der Lerninhalte aus der Vorlesung durch individuelle praktische Übungen in den Bereichen

- Schwarmintelligenz

- Genetische Algorithmen

- Robotik

- Entscheidungsbäume

- Tiefe neuronale Netzwerke

Verfassung von wissenschaftlichen Ausarbeitungen zu den Ergebnissen der Untersuchungen.
←  Zurück