Grundlagen der Künstlichen Intelligenz 5 LP
T-INFO-112194 20 Belege-
Lernziel K1 · KI als Fachinhalt Niveau: kennen / verstehen
„Die Studierenden kennen die grundlegenden Konzepte der klassischen künstlichen Intelligenz und des maschinellen Lernens.“
Das Zitat nennt ausdrücklich grundlegende Konzepte der künstlichen Intelligenz und des maschinellen Lernens.
-
Lernziel K2 · KI-Methoden und Algorithmen
„Die Studierenden verstehen die Algorithmen und Methoden der klassischen KI, und können diese sowohl abstrakt beschreiben als auch praktisch implementieren und anwenden.“
Das Zitat bezieht sich auf Algorithmen und Methoden der klassischen KI sowie deren Implementierung und Anwendung.
-
Lernziel K2 · KI-Methoden und Algorithmen
„Die Studierenden verstehen die Methoden des maschinellen Lernens und dessen mathematische Grundlagen. Sie kennen Verfahren aus den Bereichen des überwachten und unüberwachten Lernens sowie des bestärkenden Lernens, und können diese praktisch einsetzen.“
Das Zitat behandelt Methoden und konkrete Lernverfahren des maschinellen Lernens.
-
Lernziel K3 · KI-Anwendungen im Fachkontext
„Die Studierenden kennen und verstehen grundlegende Anwendungen von Methoden des maschinellen Lernens in den Bereichen Computer Vision, Natural Language Processing und Robotik.“
Das Zitat nennt Anwendungen maschineller Lernmethoden in Computer Vision, Natural Language Processing und Robotik.
-
Lernziel K2 · KI-Methoden und Algorithmen
„Die Studierenden können dieses Wissen auf neue Anwendungen übertragen, sowie verschiedene Methoden analysieren und vergleichen.“
Das Zitat fokussiert die Übertragung, Analyse und den Vergleich verschiedener Methoden.
-
Inhalt K2 · KI-Methoden und Algorithmen Niveau: anwenden
„Dieses Modul behandelt die theoretischen und praktischen Aspekte der künstlichen Intelligenz, incl. Methoden der klassischen KI (Problem Solving & Reasoning), Methoden des maschinellen Lernens (überwacht und unüberwacht), sowie deren Anwendung in den Bereichen computer vision, natural language processing, sowie der Robotik.“
Das Zitat behandelt ausdrücklich Methoden der klassischen KI und des maschinellen Lernens sowie deren Anwendungen in Computer Vision, Natural Language Processing und Robotik.
-
Inhalt K1 · KI als Fachinhalt
„• Historischer Überblick und Entwicklungen der KI und des maschinellen Lernens, Erfolge, Komplexität, Einteilung von KIMethoden und Systemen“
Das Zitat behandelt die historische Entwicklung, Erfolge und Einteilung von KI und maschinellem Lernen.
-
Inhalt K2 · KI-Methoden und Algorithmen
„• Lineare Algebra, Grundlagen, Lineare Regression“
Das Zitat nennt mit der linearen Regression ein konkretes technisches Verfahren.
-
Inhalt K2 · KI-Methoden und Algorithmen
„• Problem Solving, Search, Knowledge, Reasoning & Planning“
Das Zitat nennt Verfahren der klassischen KI wie Problemlösen, Suche, Schlussfolgern und Planung.
-
Inhalt K1 · KI als Fachinhalt
„• Symbolische und logikbasierte KI“
Das Zitat nennt ausdrücklich symbolische und logikbasierte KI als Lehrinhalt.
-
Inhalt K2 · KI-Methoden und Algorithmen
„• Graphische Modelle, Kalman/Bayes Filter, Hidden Markov Models (HMMs), Viterbi“
Das Zitat führt konkrete technische Verfahren wie graphische Modelle, Kalman- und Bayes-Filter sowie HMMs auf.
-
Inhalt K2 · KI-Methoden und Algorithmen
„• Markov Decision Processes (MDPs)“
Markov Decision Processes sind ein konkretes technisches Verfahren der KI.
-
Inhalt K2 · KI-Methoden und Algorithmen
„• Klassifikation, Maximum Likelihood, Logistische Regression“
Das Zitat nennt technische Verfahren wie Klassifikation, Maximum Likelihood und logistische Regression.
-
Inhalt K1 · KI als Fachinhalt
„• Deep Learning, MLPs, Back-Propagation“
Das Zitat nennt ausdrücklich Deep Learning und neuronale Netze in Form von MLPs.
-
Inhalt K2 · KI-Methoden und Algorithmen
„• Over/Underfitting, Model Selection, Ensembles“
Das Zitat behandelt technische Verfahren und Konzepte der Modellwahl wie Model Selection und Ensembles.
-
Inhalt K2 · KI-Methoden und Algorithmen
„• Unsupervised Learning, Dimensionalitätsreduktion, PCA, (V)AE, k-means clustering“
Das Zitat nennt konkrete Verfahren des unüberwachten Lernens wie PCA, Autoencoder und k-means-Clustering.
-
Inhalt K2 · KI-Methoden und Algorithmen
„• Density Estimation, Gaussian Mixture models (GMMs), Expectation Maximization (EM)“
Das Zitat führt technische Verfahren wie Dichteschätzung, Gaussian Mixture Models und Expectation Maximization auf.
-
Inhalt K2 · KI-Methoden und Algorithmen
„• Computer Vision, Convolutions, CNNs“
Das Zitat nennt technische Verfahren wie Convolutions und CNNs und ordnet sie dem Anwendungsbereich Computer Vision zu.
-
Inhalt K2 · KI-Methoden und Algorithmen
„• Natural Language Processing, RNNs, Encoder/Decoder“
Das Zitat nennt technische Verfahren wie RNNs und Encoder-Decoder und ordnet sie dem Anwendungsbereich Natural Language Processing zu.
-
Inhalt K3 · KI-Anwendungen im Fachkontext
„• Robotik, Reinforcement Learning“
Das Zitat nennt Robotik als technischen Anwendungskontext und Reinforcement Learning als KI-Verfahren.