• Dr. habil. Frank Kammer

• Prof. Dr. Franz Cemic
• Prof. Dr. Andreas Peter Dominik
• Prof. Dr. Seyed Eghbal Ghobadi
• Dr. habil. Frank Kammer
• Prof. Dr. Cornelia Sigges

• Bioinformatik (B.Sc. 2022)
  • Statistik und Datenanalyse (MAT2201)
  • Theoretische Informatik 2 (INF1008)
• Informatik (B.Sc. 2022)
  • Statistik und Datenanalyse (MAT2201)
  • Theoretische Informatik 2 (INF1008)
• Digital Media Systems (B.Sc. 2023)
  • Statistik und Datenanalyse (MAT2201)
  • Theoretische Informatik 2 (INF1008)
• Ingenieur-Informatik (B.Sc. 2022)
  • Statistik und Datenanalyse (MAT2201)
  • Theoretische Informatik 2 (INF1008)

Kenntnisse der Programmiersprache Python

Die Vorlesung gibt einen Überblick über wichtige Anwendungen (Chatbots, Games, Data-Mining, Bilderkennung, Zeitreihenanalyse, etc.) sowie die Methoden des Data Science.

• Wissensrepräsentation und Handlungsplanung
• Maschinelles Lernen und Data Mining
• Clusterverfahren
• Einfache Neuronale Netze
• Erklärbare KI
• Einfache Zeitreihenanalyse
• Ethische Fragestellungen bei der Anwendung von Data Analytics

Fachkompetenzen

• Die Studierenden können verschiedenste grundlegende Methoden der Künstlichen Intelligenz und deren gesellschaftlichen Auswirkungen erklären und können ethische Leitlinien bei der praktischen KI-Umsetzung benennen.
• Sie sind in der Lage, Computerprogramme als Agenten zu interpretieren, die mithilfe von Suchen in Bäumen rationale Entscheidungen treffen oder Schlussfolgerungen mithilfe logischer Kalküle ziehen.

Methodenkompetenzen (fachlich & überfachlich)

• Die Studierenden können neuronale Netze für einfache Anwendungen erstellen.
• Unter Benutzung von vorhandenen Python-Bibliotheken und verschiedensten anderen KI-Systemen können sie Probleme der künstlichen Intelligenz praktisch lösen.

Sozialkompetenzen

• Die Studierenden können im Team arbeiten und fachlich anspruchsvolle Inhalte lösen.

Selbstkompetenzen

• Die Studierenden können eigenständig Anwendungen der KI passenden KI-Methoden zuordnen und wichtige Aspekte einem Publikum verständlich präsentieren.
• Sie können eigenständig, selbstmotiviert und kritisch denkend Lösungsansätze für einfache KI-Problemstellungen entwickeln.

• 6 CrP
• Arbeitsaufwand 180 Std.
• Präsenzzeit 60 Std.
• Selbststudium 120 Std.

• 4 SWS
• Vorlesung 2 SWS
• Übung 2 SWS

• Bioinformatik (B.Sc. 2022)
• Digital Media Systems (B.Sc. 2023)
• Informatik (B.Sc. 2022)
• Ingenieur-Informatik (B.Sc. 2022)

Ja

Bonuspunkte werden gemäß § 9 (4) der Allgemeinen Bestimmungen vergeben. Art und Weise der Zusatzleistungen wird den Studierenden zu Veranstaltungsbeginn rechtzeitig und in geeigneter Art und Weise mitgeteilt.

Prüfungsvorleistung:

Hausübungen (Anzahl wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

Prüfungsleistung:

Klausur, Projekt oder mündliche Prüfung (Art und Umfang der Prüfungsleistung wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.

• Ertel, W.: Grundkurs Künstliche Intelligenz. Eine praxisorientierte Einführung. Springer Vieweg.
• Frochte, J.: Maschinelles Lernen. Grundlagen und Algorithmen in Python. Hanser Verlag.
• Tan, P.-N.; Steinbach, M.; Kumar, V.: Introduction to Data Mining. Pearson / Addison Wesley.

Weitere Literatur wird in der Veranstaltung bekannt gegeben.