Intelligente Systeme WS 15

Wintersemester 2015/2016

Carsten Rother, 1. Teil der LV siehe hier: Webpage Prof. Schroeder (Biotec)

Die Vorlesung “Intelligente Systeme” gibt einen breiten Einblick in das Themengebiet der Künstlichen Intelligenz. Dieser faszinierende Bereich entstand in den 60ern und hat sich seitdem stark weiterentwickelt und viele verwandte Themengebiete beeinflusst, wie z.B. Sprachverarbeitung, Computer Vision, Machinelles Lernen, System Biologie, Optimierung, Human-Computer-Interaction, und Robotik. Diese Vorlesung gibt einen Einblick in grundlegende Modelle und Algorithmen, die in vielen Bereichen an Anwendungen finden. Insbesondere werden die folgenden Themen behandelt:

  • Suchverfahren
  • Wissensrepräsentation
  • Wahrscheinlichkeitsmodelle
  • Inferenz und Lernen

Als Anwendungen werden state-of-the-art Systeme aus der Biologie und Computer Vision betrachtet, wie z.B. die Echtzeit Verfolgung von Personen beim MS Xbox spielen.

Module: INF-B-3B0, INF-D-340
Vorlesung: Mittwoch, 2. DS, 9:20 – 10:50, APB/E023, Beginn 2. Teil: 09.12.2015
Übung in Gruppen: Montag, 1.+3. DS, 3.DS, APB/E001, Donnerstag, 5.DS, APB/E001, + 6.DS, APB/E007. Freitag, 1.DS, APB/E008; Beginn (2.Teil): 14.12.2015
Umfang: 2/2/0, Abschluss: Prüfung, Einschreibung: jExam
Weitere Hinweise: Die Vorlesungssprache ist Deutsch. Die Skripte zur Vorlesung werden zum Grossteil auf Englisch sein. Die Lehrveranstaltung orientiert sich grob an dem Buch: Stuart J. Russel and Peter Norvig: Artificial Intelligence: A modern Approach; 3rd Edition; Pearson Studium, (auch auf Deutsch erhältlich), link
Ergänzende Literatur: Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer (2006), link


News:

04.08.2016
Wiederholungsklausur findet am 05.08.2016 um 9:20 in APB/E006 statt.

03.02.2016
Für die Prüfungsklausur sind keine Hilfsmittel zugelassen.

09.12.2015
Seminare: Lösen Sie die Aufgaben! Wenn Sie auf Schwierigkeiten stoßen, formulieren Sie worin diese bestehen – z.B. in Form von Fragen.

01.09.2015
Herzlich willkommen! Auf dieser Seite werden im Laufe des Semesters alle benötigten Informationen zur Verfügung gestellt – Skripten, Aufgabenstellungen, Literaturhinweise, aktuelle Infos, Termine, Meldungen etc.


Skripten:
Vorlesungen:

09.12 : Introduction, Probability Theory
16.12 : Statistical Machine Learning
06.01 : Directed Graphical Models
13.01 : Undirected Graphical Models
20.01 : Neural Networks
27.01 : Reinforcement Learning: ppsx pdf
03.02 : Recent Trends in AI

Aufgabenstellungen für Seminare:

14.-18.12 : Probability Theory
04.-08.01 : Statistical Machine Learning
11.-15.01 : Directed Graphical Models
18.-22.01 : Undirected Graphical Models
25.-29.01 : Neural Networks
01.-05.02 : Reinforcement Learning