Wissensbasierte Methoden

Fakult?t

Ingenieurwissenschaften und Informatik

Version

Version 9.0 vom 27.02.2023

Modulkennung

11M0644

Modulname (englisch)

Knowledge Based Systems

Studieng?nge mit diesem Modul

Informatik - Verteilte und Mobile Anwendungen (M.Sc.)

Niveaustufe

5

Kurzbeschreibung

In Gesellschaft und Unternehmen stellt das Wissen eine entscheidende, oft verteilte Ressource dar. Intelligente Informationssysteme greifen auf wissensbasierte Elemente in unterschiedlichen Formen zurück. Wissen wird in vielen F?llen aus gro?en Datenbest?nden gewonnen. Die Studierenden sollen die unterschiedlichen Wissensformen und Methoden zur Wissensgewinnung kennenlernensowie vertiefte Kenntnisse einiger grundlegender Verfahren des maschinellen Lernens gewinnen.

Lehrinhalte
  1. ?berblick: Wissensbasierte Systeme
  2. Assoziationsregeln
  3. Regressionsmethoden
  4. Klassifikationsverfahren (Clusterverfahren, Entscheidungsb?ume)
  5. Grundlagen Neuronaler Netze
Lernergebnisse / Kompetenzziele

Wissensverbreiterung
Studierende, die dieses Fach erfolgreich studiert haben, kennen unterschiedliche Wissensarten sowie g?ngige Methoden der Wissensstrukturierung und -modellierung, der Wissensgewinnen (insbesondere aus Datenbest?nden), der Wissensspeicherung und der Wissensnutzung.
Wissensvertiefung
Die Studierenden besitzen das theoretische Hintergrundwissen. Sie kennen die zu Grunde liegenden Algorithmen (ggf. einschlie?lich mathematischer Grundlagen) und k?nnen das Anwendungspotenzial wissensbasierter Methoden absch?tzen. Sie sind in der Lage, sich mit aufbauenden und weiterführenden Methoden zu besch?ftigen.
K?nnen - instrumentale Kompetenz
Die Studierenden sind einerseits in der Lage, die vorkommenden Algorithmen umzusetzen und zu programmieren und andererseits zur Nutzung wissensbasierter Methoden ad?quate Bibliotheken zu verwenden.
K?nnen - kommunikative Kompetenz
Die Studierenden sind bef?higt, die Verwendung wissenbasierter Algorithmen kritisch zu beurteilen und k?nnen diese mit Anwendern und Entwicklern im fachbezogenen Kontext kommunizieren.
K?nnen - systemische Kompetenz
Die Studierenden sind in der Lage, mit Hilfe wissenbasierter Methoden nichttriviale Problemstellungen zu erkennen und mit den erlernten Methoden kreativ zu bearbeiten.

Lehr-/Lernmethoden

Vorlesung, Praktikum

Empfohlene Vorkenntnisse

Grundvorlesungen Mathematik, Grundkenntnisse in Wahrscheinlichkeitsrechnung

Modulpromotor

Stiene, Stefan

Lehrende
  • Stiene, Stefan
  • Gervens, Theodor
Leistungspunkte

5

Lehr-/Lernkonzept
Workload Dozentengebunden
Std. WorkloadLehrtyp
30Vorlesungen
15Labore
Workload Dozentenungebunden
Std. WorkloadLehrtyp
30Veranstaltungsvor-/-nachbereitung
30Vorbereitung des Praktikums
30Prüfungsvorbereitung
13Literaturstudium
2Prüfung
Literatur

C. Beierle, G. Kern-Isberner: Methoden wissensbasierter Systeme; 2008C. M. Bishop: Pattern Recognition and Machine Learning; 2007S. Russel, P. Norvig: Artificial Intelligence, A Modern Approach; 2014U. L?mmel, J. Cleve: Künstliche Intelligenz; 2012A. Zell: Simulation Neuronaler Netze; 1995W. Kinnebrock: Neuronale Netze, Grundlagen, Anwendungen, Beispiele; 1992J. Heaton: Introduction to the Math of Neural Networks; 2012R. E. Schapire, Y. Freund: Boosting; 2012P. J. Talbot, D. R. Ellis: Applications of Artificial Intelligence for Decision-Making; 2015

Prüfungsleistung
  • Mündliche Prüfung
  • Klausur 2-stündig
  • Projektbericht, schriftlich
Unbenotete Prüfungsleistung

Experimentelle Arbeit

Bemerkung zur Prüfungsform

Die genaue Prüfungsform wird vom Dozenten der Vorlesung festgelegt.

Dauer

1 Semester

Angebotsfrequenz

Nur Sommersemester

Lehrsprache

Deutsch