Stefan Kopp >  Teaching >  Spezielle Methoden der Künstlichen Intelligenz


Spezielle Themen der Künstlichen Intelligenz

Vorlesung im Hauptstudium/Modul "Vertiefung KI"
Vorlesung, 2SWS
Belegnummer: 392101
Termin: Do 10-12, P0-271


Inhalt
Aufbauend auf der im Wintersemester angebotenen Vorlesung "Methoden der Künstlichen Intelligenz" geht es in dieser Vorlesung um weiterführende, moderne Konzepte und Methoden zur Konstruktion intelligenter Agenten in realen Domänen. Wir vertiefen dazu Techniken der Modellierung von und des Handelns unter unvollständigem und unsicherem Wissen (Suchen, Constraint Satisfaction, Planen, Bayes-Netze, Markov-Entscheidungsprobleme).


Voraussetzungen/Vorkenntnisse
Algorithmen/Datenstrukturen, Theoretische Informatik, Methoden der Künstlichen Intelligenz


Leistungspunkte
Es gibt 6 Leistungspunkt für die regelmäßige Teilnahme an der Vorlesung und den Übungen und die erfolgreiche Bearbeitung der Aufgaben. Die benotete Einzelleistung wird durch eine Prüfung am Ende des Moduls erbracht.


Termine -- Folien


15.4.

Exact domains: Search

Folien (pdf)  

22.4.

Exact domains: Constraint Satisfaction  

Folien (pdf)  

29.4.

Imperfect domains: Game Playing  

Folien (pdf)  

6.5.

--Example: CSPs for Language Processing  

Folien (pdf)  

20.5.

Exact domains: Planning  

Folien (pdf)  

27.5.

Uncertain domains: Planning  

Folien (pdf)  

10.6.

Uncertainty, degree of belief and probability  

Folien (pdf)  

17.6.

Bayesian Networks  

Folien (pdf)  

24.6.

Bayesian Networks: Modeling and Inferencing  

Folien (pdf)  

1.7.

Bayesian Networks: Inference Algorithms  

Folien (pdf)  

8.7.

Bayesian Decision Networks  

Folien (pdf)  

15.7.

Example: Modeling Gesture With Bayesian Decision Networks  

Folien (pdf)  

22.7.

Markov Decision Problems (MDPs, POMDPs)  

Folien (pdf)  

Begleitende Übungen

Belegnummer: 392104
Veranstalter: Thies Pfeiffer
Tutor: Ramin Yagoubzadeh
Termin des Tutoriums: Di 14-16, U2-241.

Die Übungen bestehen aus theoretischen und praktischen Aufgaben die begleitend zur Vorlesung in Gruppen von bis zu 3 Studierenden bearbeitet werden. Aufgabenblätter werden zum Termin der Vorlesung auf der Webseite zur Verfuegung gestellt. Lösungen koennen elektronisch per Mail oder auf Papier beim Tutor abgegeben werden. Eine Besprechung der Aufgaben/Lösungen findet in dem Tutorium statt.


Literatur:

  • Russell and Norvig: Artificial Intelligence: A Modern Approach. Prentic Hall, 2nd Edition, 2003.
  • Darwiche: Modeling and Reasoning with Bayesian Networks. Cambridge, 2010.
  • Görz: Einführung in die Künstliche Intelligenz. 3. Auflage, 2000.
  • Luger: Artificial Intelligence, 5th Edition, Addison-Wesley, 2005.
  • Alpaydin: Introduction to Machine Learning, MIT Press, 2004.

POMDP readings
Tutoral slides
Survey (K. Murphy)
Solution methods (D. Braziunas)

Webseiten
SamIam - Bayesian Network Modeling Tool
AI on the web
CMU AI repository
AI education repository

Stefan Kopp, 2007-04-12