Artificial Intelligence: Principles and ApplicationsModule description #40531 / Version 1
- 6 CP
- Portfolio examination
- Graded
- Winter semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v4)
| Module / Version | #40531 / #1 |
|---|---|
| Validity | WS 2013/14 – WS 2015/16 |
| Available language(s) | German |
| Credit points | 6 |
| Person responsible for the module | Opper, Manfred |
| Grading | Graded |
| Exam format | Portfolio examination |
| Language(s) of instruction | German |
Affiliation
| Faculty | Fakultät IV |
|---|---|
| Institute | Institut für Telekommunikationssysteme |
| Academic chair | 34335700 FG S-Professur Service Centric Networking (SNET) |
Contact
| Office | BH-N SNET |
|---|---|
| Contact person | Fricke, Stefan |
| E-mail address | stefan.fricke@tu-berlin.de |
| Website | https://www.tu.berlin/snet/studium-lehre |
Learning outcomes
- Kenntnis der grundlegenden Verfahren der künstlichen Intelligenz
- praktische Erfahrung mit Methoden der künstlichen Intelligenz und des maschinellen Lernens
- Kenntnis der grundlegenden Paradigmen bei der Konstruktion intelligenter, lernfähiger Agenten
- Kenntnis industriell und wirtschaftlich relevanter Anwendungsgebiete
Die Studierenden sind in der Lage, die Leistungsfägkeit der besprochenen Verfahren einzuschätzen und sie auf Probleme in den Anwendungsdomänen erfolgreich einzusetzen.
Das Modul vermittelt überwiegend: Fachkompetenz: 30x, Methodenkompetenz: 40x, Systemkompetenz: 20x, Sozialkompetenz:10x
- praktische Erfahrung mit Methoden der künstlichen Intelligenz und des maschinellen Lernens
- Kenntnis der grundlegenden Paradigmen bei der Konstruktion intelligenter, lernfähiger Agenten
- Kenntnis industriell und wirtschaftlich relevanter Anwendungsgebiete
Die Studierenden sind in der Lage, die Leistungsfägkeit der besprochenen Verfahren einzuschätzen und sie auf Probleme in den Anwendungsdomänen erfolgreich einzusetzen.
Das Modul vermittelt überwiegend: Fachkompetenz: 30x, Methodenkompetenz: 40x, Systemkompetenz: 20x, Sozialkompetenz:10x
Content
* Repräsentation von Wissen und Problemen: Prädikatenlogik, Nichtmonotone Logiken, Suchprobleme, Constraint Satisfaction Problems, Planungsprobleme.
* Problemlösen durch Suche: blinde Suche, informierte Suche, Heuristiken, local search, Constraintpropagierung.
* Planen: STRIPS-Formalismus, Vorwärts- und Rückwärtsverkettung, partial order planning.
* Methoden des Schliessens / Inferenz: Resolution, Unifikation, Schliessen bei unvollständigem und unsicherem Wissen, nichtmonotones Schliessen. Maschinelles Lernen: Entscheidungsbäume, Funktionslernen, Perzeptron, Neuronale Netze, Support Vector Maschinen.
* Problemlösen durch Suche: blinde Suche, informierte Suche, Heuristiken, local search, Constraintpropagierung.
* Planen: STRIPS-Formalismus, Vorwärts- und Rückwärtsverkettung, partial order planning.
* Methoden des Schliessens / Inferenz: Resolution, Unifikation, Schliessen bei unvollständigem und unsicherem Wissen, nichtmonotones Schliessen. Maschinelles Lernen: Entscheidungsbäume, Funktionslernen, Perzeptron, Neuronale Netze, Support Vector Maschinen.
Module components
Compulsory area
The following courses are mandatory for this module:
| Courses | Type | Number | Frequency | Language | Hours per week | Course catalog |
|---|---|---|---|---|---|---|
| Künstliche Intelligenz: Grundlagen und Anwendungen | Lecture | 3435 L701 | Winter semester | – | 2 | WS 2026/27 (1) ISIS |
| Künstliche Intelligenz: Grundlagen und Anwendungen | Exercise | 3435 L701 | Winter semester | – | 2 | WS 2026/27 (1) ISIS |
Courses in the course catalog
Courses created from the teaching units of this module.
Winter semester 2026/27 (2)
Künstliche Intelligenz: Grundlagen und Anwendungen (Lecture) 1
- Künstliche Intelligenz: Grundlagen und Anwendungen (Vorlesung) 1. Termingruppe 3435 L 701
Künstliche Intelligenz: Grundlagen und Anwendungen (Exercise) 1
- Künstliche Intelligenz: Grundlagen und Anwendungen (Übung) 1. Termingruppe 3435 L 701
Workload and credit points
Künstliche Intelligenz: Grundlagen und Anwendungen (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| 60 h | |||
Künstliche Intelligenz: Grundlagen und Anwendungen (Exercise)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 6 h | 90 h |
| 120 h | |||
The workload of the module adds up to 180 hours. The module therefore comprises 6 credit points.
Description of teaching and learning methods
Vorlesung: Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes.
Übung: Vertiefung und Erläuterung des Stoffes an Beispielen. Bearbeitung von Übungsaufgaben (darunter kleine Programmieraufgaben) in Kleingruppen.
Übung: Vertiefung und Erläuterung des Stoffes an Beispielen. Bearbeitung von Übungsaufgaben (darunter kleine Programmieraufgaben) in Kleingruppen.
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
Vorausgesetzt werden Grundkenntnisse in Mathematik (Lineare Algebra, Analysis, Stochastik) und
Informatik (Logik, Datenstrukturen (insbesondere Bäume), Grundlagen der Komplexitätstheorie). Im
Bachelor-Studiengang Informatik werden diese in den Vorlesungen MPGI 1-2, TheGI 2-3, Lineare
Algebra für Ingenieure, Analysis I + II für Ingenieure und Stochastik für Informatiker vermittelt. Im
Bachelor-Studiengang Technische Informatik können diese durch die Vorlesungen MPGI 1-2, TheGI für TI, Lineare Algebra für Ingenieure und Analysis I + II für Ingenieure ersetzt werden.
Informatik (Logik, Datenstrukturen (insbesondere Bäume), Grundlagen der Komplexitätstheorie). Im
Bachelor-Studiengang Informatik werden diese in den Vorlesungen MPGI 1-2, TheGI 2-3, Lineare
Algebra für Ingenieure, Analysis I + II für Ingenieure und Stochastik für Informatiker vermittelt. Im
Bachelor-Studiengang Technische Informatik können diese durch die Vorlesungen MPGI 1-2, TheGI für TI, Lineare Algebra für Ingenieure und Analysis I + II für Ingenieure ersetzt werden.
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Portfolio examination |
| Language | German |
Test elements
| Name | Points/Weight | Category | Duration/Extent |
|---|---|---|---|
| Schriftlicher Test "Probabilistische KI" | 50 | ||
| Schritftlicher Test "Symbolische KI" | 50 |
Exam description
Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Duration of the module
The following number of semesters is estimated for taking and completing the module: 1 semester(s).
This module can be started in the following semesters: Winter semester.
Maximum number of participants
This module is not limited to a number of students.
Registration procedures
Die Anmeldung zur Lehrveranstaltung erfolgt über die ISIS-Seite. Dies ersetzt nicht die Prüfungsanmeldung beim Prüfungsamt, bzw. in QISPOS.
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
available – Die Folien zur Lehrveranstaltung werden in ISIS zur Verfügung gestellt.
Recommended literature
- S. Russell, P. Norvig Artificial Intelligence: A Modern Approach Prentice Hall, 2003, Second Edition - auch auf Deutsch erhältlich: Künstliche Intelligenz. Ein moderner Ansatz
Assigned programs
This module is not used in any program.
Miscellaneous
Not specified