angeboten im WS 2005/06
an der Forschungs- und Lehreinheit
VII
(Theoretische Informatik und Grundlagen der Künstlichen Intelligenz)
des Instituts für Informatik der TU München
Leitung und Durchführung
Inhalt
Ziel des Seminars ist es, Einblick in grundlegende Methoden und Konzepte der Künstlichen Intelligenz wie
Außerdem sollen Grundkenntnisse in der Vorbereitung und Präsentation wissenschaftlicher Vorträge sowie im eigenständigen Verfassen wissenschaftlicher Texte vermittelt werden.
Die SeminarteilnehmerInnen erarbeiten dazu Kapitel zu einem speziellen Teilgebiet aus dem KI-Lehrbuch "Artificial Intelligence: A Modern Approach" (Second Edition) von Stuart Russell und Peter Norvig. Es soll eine Ausarbeitung im Umfang von mind. 10 Seiten verfasst werden und ein Vortrag über das Thema im Seminar gehalten werden.
Pro Thema/Seminartermin sind zwei Vorträge (je ca. 30min + Diskussion) geplant.
Dieses Proseminar bietet die Möglichkeit, ein Grundlage für Veranstaltungen im Hauptstudium (Vorlesungen, Praktika/SEPs, Seminare, Diplom-/Masterarbeiten usw.) aus dem Bereich der Künstlichen Intelligenz zu schaffen, und unter anderem auch einen möglichen Einstieg in die Aktivitäten dieses Lehrstuhls (und anderer KI-orientierter Lehrstühle) zu finden.
Als weiterführende Veranstaltungen werden an unserem Lehrstuhl Praktika, Seminare und Vorlesungen u.a. aus den Gebieten Multiagentensysteme/Verteilte Künstliche Intelligenz und Wissensrepräsentation im Semantic Web angeboten.
Schein
Vor der Teilnahme an der Vorbesprechung ist eine (unverbindliche) Voranmeldung per E-Mail an Matthias Nickles
notwendig!
Es werden nur Voranmeldungen angenommen, die
Die verbindliche Anmeldung und Themenvergabe erfolgt bei der Vorbesprechung.
Die Teilnehmerzahl ist auf 20 Teilnehmer
begrenzt!
Geplante Themen:
- Einführung, Geschichte und philosophische Fragestellungen
- Suche I: Uninformierte und heuristische Suchverfahren
- Suche II: Iterative Verbesserung und Suche in Spielen
- Logik: Aussagen- und Prädikatenlogik, Inferenz und Deduktion
- Planen
- Entscheidungen bei Unsicherheit I: Grundlagen, Belief-Netze
- Entscheidungen bei Unsicherheit II: Entscheidungstheorie, komplexe Entscheidungen
- Lernen I: Grundlagen, Lernen in neuronalen und Belief-Netzen
- Lernen II: Reinforcement-Learning, Genetische Algorithmen,
Wissensbasiertes Lernen
- Sprachverarbeitung/Computerlinguistik