Künstliche Intelligenz
===

###### tags: `Teaching`

[toc]

:::success
## Nächstes Treffen
* **Freitag, 02.10.20, 10:00 Uhr**
* Zoom: [click here](https://th-koeln.zoom.us/j/96694897228?pwd=cVkzUHBrbWJxQUF0WUIzbW9FUW5LQT09)
Meeting-ID: 966 9489 7228
Kenncode: 007457
:::

--------------------------------------------------
# Vorlesung WS 2021/22
max. 11 Wochen
2 SWS + Praktikum
ca. 60 Teilnehmer erwartet

## Inhalte
* Einführung (2x45, Daniel)
* KI im täglichen Leben (menti.com)
* Ziel der KI: Herstellung von intelligenten Agenten
* Was ist ein Agent und in welchen Umgebungen agiert er?
* Organisatorisches: Aufbau der Vorlesung, Praktika, Klausur
* Meilensteine der KI
* State of the Art in verschiedenen Anwendungen
* Wie Agenten in deterministischen Umgebungen ihre Ziele erreichen (4x45)
* Optimierung + Gradientenverfahren (2x45, Boris)
* EA+GA (2x45, Sascha)
* Wie Agenten von ihrer Umgebung lernen können (4x45, Dietlind)
* Neuronale Netze
* Ziele
* (hallo Dietlind, hier könntest du noch Unterpunkte einfügen)
* Wie Agenten in partiell beobachtbaren und stochastischen Umgebungen handeln können (10x45, Daniel)
* Ermittlung des Zustands einer dynamischen, kontinuierlichen Umgebung, die sich linear verhält (Erwartungswert, Kovarianzmatrix, stoch. Unabhängigkeit, lineares Kalman-Filter) (2x45)
* Ermittlung des Zustands einer diskreten Umgebung (Bedingte Wahrscheinlichkeiten, Bayes-Theorem, Dynamische Bayes'sche Netze, Histogramm Filter) (2-3x45)
* Ermittlung des Zustands einer dynamischen, kontinuierlichen Umgebung, die sich nichtlinear verhält (Partikelfilter für diskrete und kontinuierliche Umgebung, Monte-Carlo Lokalisierung) (2-3x45)
* Wie Agenten lernen in solchen Umgebungen optimal zu handeln (Reinforcement Learning) (2-3x45)
* Abschlussveranstaltung (2x45, Boris, Daniel, Dietlind)
* Soziale und ethische Aspekte?
* KI-Forschung an den Instituten für Informatik und IDE+A?
* Weitere Angebote? WPFs, Bachelor Thesen, Masterprogramm?

$\sum$ 22 x 45min

## Praktika
### Formalia
* 3 Themen
* EA
* NN
* Monte-Carlo Lokalisierung mit Mindstorm Roboter (in Zukunft evtl. Nao Roboter von Elena Algorri?)
* Gruppen (4-5 Studierende)
* Abgabetermine / Meilensteine
* Binär: bestehen vs. nicht bestehen, keine Noten

### Inhalte
* EA/GA: Unity
* NN: Machine Learning Bibliothek (ähnlich wie in Data Mining zuletzt, python, Jupyter notebook)
* MCL (Monte-Carlo Lokalisierung, Sascha hat bereits Simulator)
*

## Klausur
* online
* 1 Stunde
* ILIAS
*

--------------------------------------------------
# Inhalte Heiner WiSe 2019/20

1. Gen. Algorithmen (Sascha Schewe, 2x45min).
2. Neuronale Netze - Grundlagen: Klassifizierung, Neuron, Sigmoid-Funktion, Netzaufbau, Forward-Propagation, Gradientenverfahren, Backpropagation. (4-5x45min)
3. Adversariale Suche, Min/Max-Alg, Alpha/Beta-Kürzung (2x45min)
4. Handeln/Entscheiden unter Unsicherheit. Bayes-Theorem. (2x45min)
5. Bayes-Belief-Networks, Sampling. (3x45min)
6. Bayes-Filter. (2x45min)
7. Monte-Carlo-Lokalisierung, Partikelfilter. 2x45min
8. Hidden Markov Models 2-4x45min

$\sum$ 19 - 22 x 45 min

--------------------------------------------------
# Links
* [Book KI, Russel&Norvig](https://vowi.fsinf.at/images/b/bc/TU_Wien-Einf%C3%BChrung_in_die_K%C3%BCnstliche_Intelligenz_VU_(Eiter,_Tompits)_-_K%C3%BCnstliche_Intelligenz-_Ein_moderner_Ansatz_(3.,_aktualisierte_Auflage).pdf)
* [[e-mail]](https://www.spektrum.de/thema/kuenstliche-intelligenz/1301266)