Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Logout in [min] [minutetext]

Lernfähige Roboter (E-Learning ab sofort (Stand 02.04.2020)) - Detailansicht

Grunddaten
Veranstaltungsart Vorlesung/Praktikum Langtext
Veranstaltungsnummer 5812 Kurztext
Semester SS 2020 SWS 4
Erwartete Teilnehmer/-innen Max. Teilnehmer/-innen
Rhythmus Jedes Semester Studienjahr
Hyperlink  
Weitere Links Ch. 4 from the book of Müller on Dynamic Time Warping
Institute for Artificial Intelligence
W. Ertel, Artificial Intelligence, Vieweg, 3rd edition, 2009
Sprache Englisch
Belegungsfrist Hauptbelegungszeitraum 02.03.2020 - 01.05.2020

Belegpflicht
Termine Gruppe: [unbenannt] iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Lernziele fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export für Outlook
Do. 08:00 bis 09:30 woch Gebäude L - L028        
Einzeltermine ausblenden
iCalendar Export für Outlook
Fr. 08:00 bis 09:30 woch Gebäude H - H239        
Einzeltermine:
  • 24.04.2020
  • 08.05.2020
  • 15.05.2020
  • 22.05.2020
  • 29.05.2020
  • 05.06.2020
  • 12.06.2020
  • 19.06.2020
  • 26.06.2020
  • 03.07.2020
Gruppe [unbenannt]:
 


Zugeordnete Person
Zugeordnete Person Zuständigkeit
Schneider, Markus, Professor verantwortlich
Laut SPO für
Abschluss Studiengang Semester ECTS
Master mit vorausg. Absch Profil IN-Spiele 2 - 2 5
Master mit vorausg. Absch Profil IN-IT-Sicherheit 2 - 2 5
Master mit vorausg. Absch Electrical Engineering and Embedded Systems 2 - 2 5
Master mit vorausg. Absch Mechatronics 2 - 2 5
Master mit vorausg. Absch Profil IN-Künstliche Intelligenz und Autonme Rob. 2 - 2 5
Master mit vorausg. Absch Informatik 2 - 2 5
Prüfungen / Module
Prüfungsnummer Prüfungsversion Modul
9310 9 Lernfähige Roboter
Zuordnung zu Einrichtungen
Masterstudiengang Informatik
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)

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SS 2020 , Aktuelles Semester: WiSe 2020/21