Einführung in Künstliche Intelligenz und Maschinelles Lernen

AW_SOZMETH_5_EIKI

Der Kurs gibt den Studierenden einen breitgefächerten, fundierten Einblick in die hochaktuellen Themen Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Dabei werden folgende Fachgebiete behandelt:

• Biologische Grundlagen der KI
• Neuronale Netzwerke/Deep Learning
  • Perzeptron
  • Hidden Layers
  • Lineare/Logistische Regression
  • Aktivierungs-/Kostenfunktion, Fehlerberechnung
  • Backpropagation/Stochastic Gradient Descent
• Fundamentale Konzepte des ML
  • Trainingsdaten: train, test, validation
  • Supervised/Unsupervised learning
  • Over-/Underfitting
• Entscheidungsbäume
• Reinforcement Learning
• Computer Vision
  • Convolutional Neural Network (CNN)
  • Generative Adversarial Network (GAN)
• Toolset zum Verständnis neuartiger KI-Architekturen

Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,

• Begriffe wie Maschinelles Lernen, Neuronale Netze, Big Data und Deep Learning für die spätere Handlungspraxis einordnen zu können. (1)
• Architektur und Funktionsweise von Neuronalen Netzen zu verstehen. (1)
• Fundamentale Konzepte des Maschinellen Lernens zu benennen und nachzuvollziehen. (1)
• Anwendungsfälle für KI und ML zu identifizierten (2) und modellhaft Strategien anzuwenden. (3)
• Perspektiven und Grenzen von KI und ML einzuschätzen und damit die aktuelle Entwicklung auf diesen Gebieten kompetent zu verfolgen. (2)

Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,

• die Thematik KI und ML zu überblicken und an Diskussionen zu diesen Themen aktiv und kompetent teilzunehmen. (1)
• Innovationspotentiale von KI und ML im eigenen Berufsumfeld zu identifizieren (2) und Innovationsprozesse zu initiieren (3).

Die Zahlen in Klammern geben die zu erreichenden Niveaustufen an: 1 - kennen, 2 - können, 3 - verstehen und anwenden.

• Russell S., Norvig P., Künstliche Intelligenz: Ein moderner Ansatz, Pearson Studium IT (3. Auflage)
• Géron A., Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und Tensorflow, O’Reilly Verlag
• Tegmark M., Leben 3.0: Mensch sein in Zeitalter Künstlicher Intelligenz, Ullstein Verlag

• Alle erforderlichen mathematischen Grundlagen werden dort wo benötigt im Kurs kurz wiederholt. Dennoch empfiehlt es sich, dieses Modul erst in einem höheren Semester zu belegen mit einer entsprechenden Vorbildung und Freude an der Beschäftigung mit mathematischen Themen.