Künstliche Intelligenz II: Algorithmen und Anwendungen für Fortgeschrittene

Künstliche Intelligenz II: Algorithmen und Anwendungen für Fortgeschrittene

Dozent/in

Dr. Dominik Jung, Timo Sturm

Art und Umfang der Lehrveranstaltung

  • Art: Vorlesung, Übung und eine Projektbearbeitung für das Gesamtmodul
  • Credit Points: je nach Studiengang
  • SWS: 1+1
  • Turnus: jedes Wintersemester
  • Sprache: Deutsch/Englisch
  • Unterlagen: Zugriff über GitHub

Veranstaltungstermine

  • Beginn: tba
  • Ende: tba
  • Tag & Uhrzeit: tba
  • Ort: tba

Kontakt

Zielgruppe

Studierende der Wirtschaftsinformatik mit guten Programmierkenntnissen (bspw. durch Besuch der Vorlesungen „Funktionale und objektorientierte Programmierkonzepte“ (ehemals: „Grundlagen der Informatik 1“) oder „Grundlagen der Programmierung (Java)“) und Grundlagenkenntnissen in Statistik (bspw. durch Besuch der Vorlesungen „Statistik 1 & 2“).

Gasthörer sind stets willkommen! (Benotung ist in diesem Fall leider nicht möglich)

Inhaltliche Schwerpunkte

Dieses Modul gibt eine Einführung in die grundlegende Verfahren der Künstlichen Intelligenz (KI) sowie deren Einsatz in Python. Darüber hinaus soll ein übergeordnetes Verständnis vom Aufbau und Ablauf von KI Projekten, sowie die Schritte zur Realisierung von KI Lösungen durch zahlreiche Übungen und Anwendungsbeispiele geschaffen werden.

In der ersten Hälfte des Moduls (KI I) werden zunächst die theoretischen und historischen Grundlagen der Künstlichen Intelligenz als auch die zentralen Algorithmen vorgestellt und diskutiert. Themenschwerpunkte umfassen unter anderen Entstehung des Forschungsfelds, Agenten und Suchverfahren, die Modellierung und Lösung von Problemen mit Agenten, Wissensverarbeitung- und Repräsentation, Daten- und Wissensmodellierung, Expertensysteme, Inferenz, als auch zentrale Algorithmen und Probleme des Maschinellen Lernens (Regression, Klassifikation, Segmentierung). Darüber hinaus wird eine Einführung in die Programmiersprache Python gegeben um verschiedene Konzepte aus der Vorlesung zu implementieren und zu diskutieren.

In der zweiten Hälfte des Moduls (KI II) werden die gewonnen Grundkenntnisse weiter vertieft. Dazu werden insbesondere aktuelle KI Probleme thematisiert und besprochen (Big Data, Parallelisierung, Understandable AI etc.), aber auch fortgeschrittene Algorithmen und Verfahren wie tiefes Lernen (ANN, Deep Learning) oder generative Verfahren (HMM, MDB, LDA) vorgestellt und diskutiert. In der letzten Einheit liegt der Fokus auf dem Entwicklungsprozess von KI Lösungen und deren Funktionsweise, Potentiale sowie mögliche Hürden und Herausforderungen beim Einsatz. Wie im ersten Teil wird auch die Umsetzung der theoretischen Konzepte in Python besprochen und exemplarisch durchgeführt.

Beide Teile des Moduls umfassen jeweils eine Vorlesung zur Vermittlung der theoretischen Konzepte sowie begleitende Übungen und Programmiertutorials, in denen die Konzepte anhand praktischer Fragestellungen angewendet werden können. Zusätzlich zu den Vorlesungen erarbeiten die Teilnehmenden im Zuge der Studienleistung in Kooperation mit Praxispartnern außerdem ein KI Projekt eigenständig in Projektgruppen zur Beantwortung einer analytischen Fragestellung und Realisierung einer entsprechenden KI Lösung. Den Teilnehmenden wird dadurch ermöglicht, die theoretischen Inhalte auf einen konkreten, praktischen Anwendungskontext zu übertragen.

Themenübersicht:

  • Einführung in Künstliche Intelligenz (KI)
  • Einführung in die Programmierung mit Python
  • Problemlösende Agenten
  • Daten- und Wissensmodellierung
  • Algorithmen und Konzepte der Wissensrepräsentation
  • Algorithmen und Konzepte des Maschinellen Lernens
  • Modelloptimierung und Modellauswahl
  • Künstliche Intelligenz in großen Datenbeständen (Big Data)
  • Künstliche Neuronale Netze und tiefes Lernen
  • Stochastische Modellierung und Optimierung
  • Bau von produktiven KI-Informationssystemen

Übung zur Vorlesung

In der Übung werden die in der Vorlesung behandelten Themen anhand praktischer Anwendungen vertieft. Die Bearbeitung der Übungsaufgaben ist eine Empfehlung an alle Studierenden.

Materialien zur Veranstaltung

Materialien zur Veranstaltung (Folien, Übungsblätter, Musterlösungen etc.) werden online über GitHub zur Verfügung gestellt. Weitere Informationen hierzu finden Sie in unserem Moodle-Kurs.

Studierende, die sich über TuCan zur Veranstaltung angemeldet haben, werden automatisch in den entsprechenden Moodle-Kurs aufgenommen. Sollte dies nicht geschehen sein, so ist eine Selbst-Einschreibung in den jeweils aktuellen Kurs möglich. Sie finden den Kurs im Moodle-Kurskatalog des jeweils aktuellen Sommersemesters. Bitte schicken Sie uns nur dann eine E-Mail zur Einschreibung, sollte die Selbsteinschreibung nicht funktionieren.

Fragen zur Veranstaltung

Für Ihre Fragen, Anregungen, Diskussionen etc. zur Veranstaltung sind im Moodle-Kurs verschiedene Foren eingerichtet. Anfragen an den Dozenten richten Sie bitte stets an die Foren. So können alle Kommilitonen von den Fragen und Antworten profitieren.