Inhalt
Inhalt |
Lernen durch Demonstration
Mathematische Optimierung
Maschinelles Lernen
Support Vector Maschinen
Ensemble Methods: Bagging und Boosting
Deep Learning und Convolutional Neural Networks |
Literatur |
C.M. Bishop. Pattern recognition and machine learning. Springer New York:, 2006.
R. Sutton und A. Barto. Reinforcement Learning. MIT Press, 1998.
B. Siciliano und O. Khatib (Hrsg.), Handbook of Robotics. Springer, 2008.
W. Ertel, Künstliche Intelligenz, Vieweg, 3. Auflage, 2009.
S. Russell und P. Norvig. Artificial Intelligence: A Modern Approach, 2. Aufl.
Prentice Hall, 2003. |
Lernziele |
Intelligente Maschinen müssen die Fähigkeit besitzen mit Menschen zu kommunizieren, Sprache zu erkennen, zu planen, Objekte zu erkennen und sich an ihre Umgebung anzupassen.
Der Fokus dieses Kurses sind Algorithmen und Machine Learning Techniken für autonome intelligente Roboter. |
Voraussetzungen |
Künstliche Intelligenz oder Maschinelles Lernen, bzw. Data Mining, solide Kenntnisse in mehrdim. Analysis und Linearer Algebra |
Leistungsnachweis |
Master Informatik, Profil Künstliche Intelligenz und Autonome Roboter:
lt. SPO gültig ab WS1718: K90
aktuelle temporäre SPO-Änderung: Portfolio benotet (Präsentation + Mündliche Prüfung) |