Künstliche Intelligenz: Grundlagen und AnwendungenModulbeschreibung #40531 / Version 2
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v4)
| Modul / Version | #40531 / #2 |
|---|---|
| Gültigkeit | SS 2016 – WS 2016/17 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Opper, Manfred |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Telekommunikationssysteme |
| Fachgebiet | 34335700 FG S-Professur Service Centric Networking (SNET) |
Kontakt
| Sekretariat | BH-N SNET |
|---|---|
| Ansprechpartner*in | Fricke, Stefan |
| E-Mail-Adresse | stefan.fricke@tu-berlin.de |
| Webseite | https://www.tu.berlin/snet/studium-lehre |
Lernergebnisse
- 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.
- 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.
Lehrinhalte
* 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.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Künstliche Intelligenz: Grundlagen und Anwendungen | Vorlesung | 3435 L701 | Wintersemester | – | 2 | WiSe 2026/27 (1) ISIS |
| Künstliche Intelligenz: Grundlagen und Anwendungen | Übung | 3435 L701 | Wintersemester | – | 2 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (2)
Künstliche Intelligenz: Grundlagen und Anwendungen (Vorlesung) 1
- Künstliche Intelligenz: Grundlagen und Anwendungen (Vorlesung) 1. Termingruppe 3435 L 701
Künstliche Intelligenz: Grundlagen und Anwendungen (Übung) 1
- Künstliche Intelligenz: Grundlagen und Anwendungen (Übung) 1. Termingruppe 3435 L 701
Arbeitsaufwand und Leistungspunkte
Künstliche Intelligenz: Grundlagen und Anwendungen (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| 60 h | |||
Künstliche Intelligenz: Grundlagen und Anwendungen (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 6 h | 90 h |
| 120 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
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.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
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.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Sprache | Deutsch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Lernprozessevaluation) Beteiligung an den Übungen inkl. Hausaufgaben | 20 | ||
| (Punktuelle Leistungsabfrage) Schriftlicher Test "Probabilistische KI" | 40 | ||
| (Punktuelle Leistungsabfrage) Schriftlicher Test "Symbolische KI" | 40 |
Prüfungsbeschreibung (Abschluss des Moduls)
Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Die Anmeldung zur Lehrveranstaltung erfolgt über die ISIS-Seite. Dies ersetzt nicht die Prüfungsanmeldung beim Prüfungsamt, bzw. in QISPOS.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
verfügbar – Die Folien zur Lehrveranstaltung werden in ISIS zur Verfügung gestellt.
Empfohlene Literatur
- S. Russell, P. Norvig Artificial Intelligence: A Modern Approach Prentice Hall, 2003, Second Edition - auch auf Deutsch erhältlich: Künstliche Intelligenz. Ein moderner Ansatz
Zugeordnete Studiengänge
Dieses Modul findet in keinem Studiengang Verwendung.
Sonstiges
Keine Angabe