Intelligente Systeme

Intelligente Systeme (WS2013/2014)
     Carsten Rother, Wintersemester 2014/2015, 1. Teil der LV siehe hier: Webpage Prof. Schroeder, Dipl.-Math. Daniel Eisinger (Biotec)

    Die Vorlesung "Intelligente Systeme" gibt einen breiten Einblick in das Themengebiet der Künstlichen Intelligenz. Dieser faszinierende Bereich entstand in den 60ern und hat sich seitdem stark weiterentwickelt und viele verwandte Themengebiete beeinflusst, wie z.B. Sprachverarbeitung, Computer Vision, Machinelles Lernen, System Biologie, Optimierung, Human-Computer-Interaction, und Robotik. Diese Vorlesung gibt einen Einblick in grundlegende Modelle und Algorithmen, die in vielen Bereichen an Anwendungen finden. Insbesondere werden die folgenden Themen behandelt:
    • Suchverfahren
    • Wissensrepräsentation
    • Wahrscheinlichkeitsmodelle
    • Inferenz und Lernen
    Als Anwendungen werden state-of-the-art Systeme aus der Biologie und Computer Vision betrachtet, wie z.B. die Echtzeit Verfolgung von Personen beim MS Xbox spielen.

    Module: INF-B-3B0 INF-D-340
    Vorlesung: Mittwoch, 2. DS, 9:20 - 10:50, INF/E023,  Beginn 2. Teil: 10.12.2014
    Übung in Gruppen: Montag, 2. DS, 3.DS, INF/E001, Donnerstag, 2. DS, 5.DS, INF/E001, 3.DS INF/E007. Beginn: 15.12.2014
    Umfang: 2/2/0, Abschluss: Prüfung, Einschreibung: jExam
    Weitere Hinweise:
    Die Vorlesungssprache ist Deutsch. Die Skripte zur Vorlesung werden zum Grossteil auf Englisch sein.
    Die Lehrveranstaltung orientiert sich grob an dem Buch: Stuart J. Russel and Peter Norvig: Artificial Intelligence: A modern Approach; 3rd Edition; Pearson Studium, (auch auf Deutsch erhältlich), link
    Ergänzende Literatur: Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer (2006), link

    News:
    18.02.2015
      Die Klausur findet am Donnerstag 19.02.2015 im HSZ/0003 (Hörsaalzentrum) um 14:50 statt. Keine Hilfsmittel sind zugelassen.
    01.10.2014
      Herzlich willkommen! Auf dieser Seite werden im Laufe des Semesters alle benötigten Informationen zur Verfügung gestellt – Skripten, Aufgabenstellungen, Literaturhinweise, aktuelle Infos, Termine, Meldungen etc.

    Skripten:
    Vorlesungen:

    10.12 : Introduction, Probability Theory
    17.12 : Statistical Machine Learning
    07.01 : Directed Graphical Models
    14.01 : Undirected Graphical Models 1
    21.01 : Undirected Graphical Models 2
    28.01 : Neural Networks
    04.02 : Practical Questions
    Aufgabenstellungen für Seminare:

    15./18.12 : Probability Theory
    05./08.01 : Statistical Machine Learning
    12./15.01 : Directed Graphical Models
    19./22.01 : Undirected Graphical Models 1
    26./29.01 : Undirected Graphical Models 2
    02./05.02 : Neural Networks