Modul CS4519-KP12

Dauer

1 Semester

Angebotsturnus

Jedes Wintersemester

Leistungspunkte

12

Studiengang, Fachgebiet und Fachsemester:

• Master Artificial Intelligence 2023, Pflicht, Künstliche Intelligenz

Lehrveranstaltungen:

• CS4519-V: Intelligent Cooperative Agents (Vorlesung, 6 SWS)
• CS4519-P: Intelligent Cooperative Agents (Praktikum, 2 SWS)

Workload:

• 90 Stunden E-Learning
• 30 Stunden Eigenständige Projektarbeit
• 240 Stunden Selbststudium

Lehrinhalte:

• Agenten, Mechanismen und Kollaboration: Intelligente Agenten und künstliche Intelligenz / Spieltheorie und soziale Wahl / Entwurf von Mechanismen, algorithmischer Entwurf von Mechanismen / Zusammenarbeit von Agenten, Regeln der Begegnung / Kontinuierlicher Raum / Erkenntnistheoretische Logik / Wissen und Sehen / Wissen und Zeit / Dynamische erkenntnistheoretische Logik / Wissensbasierte Programme
• Wahrnehmung (Sprache und Sehen): Information Retrieval und Web-Mining-Agenten / Probabilistische Dimensionsreduktion, latente DeepL Inhalte, Themenmodelle, LDA, LDA-HMM / Repräsentationslernen für sequentielle Strukturen, Einbettungsräume, word2vec, CBOW, Skip-Gram, hierarchische Softmax, negatives Sampling / Sprachmodelle (1d-CNNs. RNNs, LSTMs, ELMo, Transformers, BERT, GPT-3/OPT, und darüber hinaus), Inferenz natürlicher Sprache und Beantwortung von Anfragen / Computer Vision (2D-CNNs, Deep Architectures: AlexNet, ResNet) / Kombination von Sprache und Sehen (CLIP (OpenAI) / LiT (Google) / data2vec (Facebook) / Flamingo (DeepMind), DALL-E und darüber hinaus) / Einbettung von Wissensgraphen mit GNNs, Kombination von einbettungsbasierter KG-Vervollständigung mit probabilistischen grafischen Modellen (ExpressGNN, pLogicNet), MLN-Inferenz und Lernen auf der Grundlage eingebetteter Wissensgraphen, GMNNs)
• Planung, Kausalität und Verstärkungslernen: Planen und Handeln mit deterministischen Modellen, temporalen Modellen, nicht-deterministischen Modellen, probabilistischen Modellen / Standard-Entscheidungsfindung / Fortgeschrittene Entscheidungsfindung und Reinforcement Learning / Kausale Abhängigkeiten / Intervention / Instrumentale Variablen / Kontrafaktische / Kausale Planung / Kausales Reinforcement Learning

Qualifikationsziele/Kompetenzen:

• Für alle in den Kursinhalten unter den Gliederungspunkten aufgeführten Themen können die Studierenden die zentralen Ideen benennen, die jeweils relevanten Begriffe definieren und die Funktionsweise der zugehörigen Algorithmen anhand von Anwendungsbeispielen erklären.

Vergabe von Leistungspunkten und Benotung durch:

• Portfolio-Prüfung

Setzt voraus:

• Bio-Inspired Computing (CS4337-KP12)

Modulverantwortliche:

• Prof. Dr.-Ing. Nele Rußwinkel

Lehrende:

• Institut für Informationssysteme
• Prof. Dr.-Ing. Nele Rußwinkel

Literatur:

• M Ghallab, D. Nau, P. Traverso : Automated Planning and Acting Cambridge University Press, 2016
• J. Pearl, C. Glymour, and N.P. Jewell : Causal Inference in Statistics--A Primer Wiley, 2016
• S.J. Russell, P. Norvig, Artificial Intelligence : A Modern Approach 4th Ed., Pearson, 2020
• Y. Shoham, K. Leyton-Brown : Multiagent-Systems: Algorithmic, Game-Theoretic, and Logical Foundations Cambridge University Press, 2009

Sprache:

• Wird nur auf Englisch angeboten

Bemerkungen:

Letzte Änderungen:

12.09.2024