Modulbeschreibung

Artificial Intelligence (AI)

Kurzzeichen:
M_AI
Unterrichtssprache:
Deutsch
ECTS-Credits:
4
Leitidee:
  • Der Teilnehmer besitzt eine Übersicht über die Konzepte und Eigenschaften unten aufgeführter, ausgewählter Technologien und Algorithmen.
  • Mit ausgewählten Übungen lernt er deren Möglichkeiten kennen und ist in der Lage abzuschätzen, wo diese sinnvoll eingesetzt werden können.
  • Der Teilnehmer verfügt über Grundkenntnisse in der Entwicklung von diesen Technologien und Algorithmen und kann sie in eigenen Projekten einsetzen.
Modulverantwortung:
Prof. Dr. Stolze Markus
Standort (angeboten):
Rapperswil-Jona
Zusätzliche Eingangskompetenzen:
Englisch
Modultyp:
Wahlpflicht-Modul für Elektrotechnik STD_05(Empfohlenes Semester: 6)Kategorie:Technik (E-et)
Wahlpflicht-Modul für Elektrotechnik STD_14(Empfohlenes Semester: 6)Kategorie:Technik (E-et)
Wahlpflicht-Modul für Informatik Retro STD_14_UG(Empfohlenes Semester: 6)Kategorie:Grundlagen Informatik und Aufbau Informatik (I-gai)
Wahlpflicht-Modul für Informatik STD_05(Empfohlenes Semester: 6)Kategorie:Aufbau Informatik (I-a)
Wahlpflicht-Modul für Informatik STD_11(Empfohlenes Semester: 6)Kategorie:Aufbau Informatik (I-a)
Wahl-Modul für Informatik STD_14(Empfohlenes Semester: 6)
Modulbewertung:
Note von 1 - 6

Leistungsnachweise und deren Gewichtung

Modulschlussprüfung:
Schriftliche Prüfung, 120 Minuten
Gewichtung:
Bemerkungen:
Uebungen mit Computerprogrammen der Programmiersprache Mathematica

Inhalte

Modul- und Lerninhalt:
  1. Einführung in die Künstliche Intelligenz
  2. Analytisch lösbare Optimierungsaufgaben
  3. Neuronale Netze
  4. Genetische Algorithmen
  5. Clusering-Gruppierverfahren

Die Schwergewichte liegen auf

  • Garphische Methoden und Spieltheorie (Backtracking, Constraint Propagation)
  • Analytische Optimierung (Multidimensionale Extremalprobleme, Lagrange Multiplikatoren, Gleichgewichte, Gradientenabstieg)
  • Expertensysteme (Clustering, Classifers)
  • Neuronale Netze (biologische und biologienahe Modellierung, Spinsystem-Analogie)
  • Evolutionäre Optimierung (genetische Algorithmen)