Vorlesung Intelligente Systeme

Wintersemester 2016/2017

Übersicht

• Aktuelles
• Allgemeines
• Teilnahmevoraussetzungen und Leistungspunkte
• Termine und Räume
• Übungsblätter
• Zusätzliche Unterlagen
• Lehrende
• Literatur

Aktuelles

Klausureinsicht ist am Montag, 03.04.2017, 13-15 Uhr in Raum G29-013. Die Noten werden erst nach der Klausureinsicht an das Prüfungsamt gemeldet.

Allgemeines

Auf dieser Seite finden Sie verschiedene Informationen zu der Vorlesung "Intelligente Systeme: Einführung", die im Wintersemester 2016/2017 von Prof. Dr. Rudolf Kruse an der Otto-von-Guericke-Universität Magdeburg gehalten wird. Diese Seite wird im Laufe des Semesters aktualisiert. In dieser Vorlesung und in den Übungen sollen Studierende Kenntnisse erwerben über Probleme der Wissensmodellierung, über die wichtigsten Techniken zur Repräsentation von Wissen, über Verfahren zum Schlussfolgern (Inferenz) in den verschiedenen Repräsentationsformen, über heuristische Suchverfahren und Planungsalgorithmen. Die Vorlesung wird mit einer zweistündigen Klausur abgeschlossen. Studierende können sich entscheiden, ob sie die Klausur als schriftliche Prüfung oder als einen (un)benoteten Leistungsnachweis (Schein) werten lassen möchten.

Zur Klausur sind (abgesehen von einem nicht-programmierbaren Taschenrechner, den Sie nicht brauchen werden) keine Hilfsmittel zugelassen.

Vorlesungsfolien:

Die Vorlesungsfolien werden hier im Laufe des Semesters hier veröffentlicht.

• Organisatorisches
• 13.10.2016: Vorlesungsteil 01 (Einleitung, reaktive Agenten, S-R-Agent) neu 14.02.2017
• 20.10.2016: Vorlesungsteil 02 (Neuronale Netze) neu 14.02.2017
• 27.10.2016: Vorlesungsteil 03 (Evolutionäre Algorithmen)
• 03.11.2016: Vorlesungsteil 04 (Regel- und Wissensbasierte Systeme) neu 14.02.2017
• 10.11.2016: Vorlesungsteil 05 (Fuzzy-Systeme) neu 14.02.2017
• 17.11.2016: Vorlesungsteil 06 (Computational Intelligence) neu 14.02.2017
• 24.11.2016: Vorlesungsteil 07 (Erweiterungen der Fähigkeiten eines Agenten) neu 14.02.2017
• 01.12.2016: Vorlesungsteil 08 (Heuristische Suchalgorithmen)
• 08.12.2016: Vorlesungsteil 09 (Bayes-Netze) neu 14.02.2017
• 15.12.2016: Vorlesungsteil 10 (Maschinelles Lernen) neu 14.02.2017
• 19.01.2017: Vorlesungsteil 11 (Fallbasiertes Schließen)
• 19.01.2017: Vorlesungsteil 12 (Spiele)
• 26.01.2017: Vorlesungsteil 13 (Deep Learning)

Teilnahmevoraussetzungen und Leistungspunkte

Voraussetzungen

Die folgenden Veranstaltungen gelten als Voraussetzung:

• Algorithmen und Datenstrukturen (bzw. Einführung in die Informatik)
• Programmierung und Modellierung
• Mathe I-III

Teilnehmerkreis

CV, CV-B, IF, IF-B, IngIF, IngINF-B, SPTE, WIF, WIF-B (weitere Studiengänge siehe LSF)

Leistungspunkte

Für dieses praktische Fach des Bereiches Informatik I gibt es 5 Kreditpunkte (= 150h = 4 SWS = 56h Präsenzzeit + 94h selbstständige Arbeit).

Vorlesung & Übungen

Erwerb eines Scheins (unbenoteter Leistungsnachweis)

Auch Studenten, die einen unbenoteten Leistungsnachweis benötigen, werden an der Klausur teilnehmen. Bei Bestehen der Klausur (Note 4,0 und besser) wird der Schein erteilt. Die Anmeldung erfolgt über das Hisqis, dort sollte laut Prüfungsamt die entsprechende Anmeldung möglich sein.

Übungsblätter, Schein- und Prüfungskriterien

Ein neues Aufgabenblatt wird jede Woche auf dieser Internetseite veröffentlicht.

• 42. KW: 01. Übungsblatt zum 17./18./19.10.2016 (Der Turing-Test, ELIZA, Das chinesische Zimmer)
• 43. KW: 02. Übungsblatt zum 24./25./26.10.2016 (Stimulus-Response-Agent, Boolesche Algebra)
• 45. KW: 03. Übungsblatt zum 07./08./09.11.2016 (Schwellenwertelemente)
• 46. KW: 04. Übungsblatt zum 14./15./16.11.2016 (Schwellenwertelemente, Delta-Regel, Gradientenabstieg)
• 47. KW: 05. Übungsblatt zum 21./22./23.11.2016 (Evolutionstheorie, n-Damen-Problem, Vierfarbenproblem, Genetische Programmierung)
• 48. KW: 06. Übungsblatt zum 28./29./30.11.2016 (Mehrwertige Logiken, Fuzzy-Logik, Fuzzy-Regelung)
• 49. KW: 07. Übungsblatt zum 05./06./07.12.2016 (Zustandsautomaten)
• 50. KW: Kein Übungsblatt zur Vorbereitung zum 12./13./14.12.2016 (Die Übungen finden trotzdem statt. Überraschung. ;-) )
• 01. KW: Die Übungen fallen aus.
• 02. KW: 08. Übungsblatt zum 09./10./11.01.2017 (Bedingte Wahrscheinlichkeiten, stochastische Unabhängigkeit, Satz von Bayes)
• 03. KW: 09. Übungsblatt zum 16./17./18.01.2017 (Entscheidungsbäume, Assoziationsregeln)
• 04. KW: 10. Übungsblatt zum 23./24./25.01.2016 (Heuristiken und Fallbasiertes Schließen)

Um zur Klausur zugelassen zu werden, müssen in den Übungen insgesamt mindestens 66% der Übungsaufgaben votiert werden. Mit der Votierung zu Beginn der Übung geben Sie zu verstehen, dass Sie sich mit der Aufgabe beschäftigt haben und bereit sind vor der Übungsgruppe Ihren Lösungsansatz zu präsentieren. Dieser muss weder vollständig noch richtig sein, sollte aber zeigen, dass Sie einen zielführenden Ansatz zur Lösung der Aufgabe gefunden haben. Außerdem muss im Verlauf des Semesters mindestens zweimal eine eigene Lösung vorgetragen worden sein.

Jeder Teilnehmer, der eine Note benötigt, wird die Klausur mitschreiben. Auch "Schein"-Studenten nehmen an der Klausur teil.

Da die Klausur voraussichtlich aus an die Übungsaufgaben angelehnten Fragestellungen bestehen wird, ist es empfehlenswert, in den Übungen aktiv mitzuarbeiten.

Um deutlich zu machen, wie eine Klausur aussehen wird, wird eine Musterklausur bereitgestellt. Diese Musterklausur stellt eine Zusammenstellung von Klausuraufgaben aus beiden schriftlichen Prüfungen des Wintersemesters 2009/2010 dar. Die Aufgaben sind chronologisch geordnet nach der Abarbeitung der Themengebiete in der Vorlesung bzw. Übung. Zur unterstützenden Prüfungsvorbereitung neben dem Besuch der Lehrveranstaltung empfiehlt es sich, speziell die in dieser Musterklausur gestellten Aufgaben zu lösen.

Zusätzliche Unterlagen

• Musterklausur
• Christian Borgelts Demoprogramme (mehrschichtiges Perzeptron, Schwarm/Ameisenkolonie-Optimierung)
• Definitionen von Intelligenz (englisch)

Lehrende

Wenn Sie Fragen zur Vorlesung oder zu den Übungen haben, wenden Sie sich bitte (wenn möglich, per E-mail) an eine der unten aufgeführten Personen.

• Prof. Dr. Rudolf Kruse, rudolf.kruse@cs.uni-magdeburg.de
• Christian Braune, christian.braune@ovgu.de

Literatur

• S. Russell, P. Norvig: Künstliche Intelligenz: Ein moderner Ansatz, 3. Auflage, Pearson- Verlag, 2012
• G. Görz, J. Schneeberger, U. Schmidt, Handbuch der Künstlichen Intelligenz, 5. Auflage, Oldenbourg-Verlag, 2014
• C. Beierle und G. Kern-Isberner Methoden wissensbasierter Systeme, 5., verb. Aufl., Springer-Vieweg Verlag, 2014
• R. Kruse, C. Borgelt, F. Klawonn, C. Moewes, G. Ruß und M. Steinbrecher. Computational Intelligence: Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze. 2. Aufl., Springer-Vieweg-Verlag, 2015Weitere Literatur findet sich auf den jeweiligen Vorlesungsfolien.