Stefan Kopp >  Teaching >  Reasoning and Decision-Making under Uncertainty


Spezielle Themen der Künstlichen Intelligenz -- Reasoning and Decision-Making Under Uncertainty

Vorlesung im Hauptstudium/Modul "Vertiefung KI"
Vorlesung, 2SWS
Belegnummer: 392101
Termin: Do 10-12, H1-111a


Inhalt
Egal in welcher Domäne oder für welche Aufgabe, künstliche Systeme müssen genau wie wir Menschen mit Unsicherheiten umgehen können. Ganz besonders zentral ist diese Anforderung in intelligenten und autonomen Systemen. Unsicherheit entsteht dort fortwährend durch die stets beschränkten Kapazitäten der Wahrnehmung, des Wissensumfangs sowie der Schlussfolgerungs- und Handlungsfähigkeiten. In dieser Vorlesung werden Konzepte und Methoden der modernen Künstlichen Intelligenz und der Robotik vermittelt um intelligenten Agenten zu konstruieren, die auf Techniken des Schließens und Entscheidens unter unvollständigem und unsicherem Wissen beruhen (robustes Planen, probabilistisches Schließen, Bayes-Netze, Markov-Entscheidungsprobleme).


Voraussetzungen/Vorkenntnisse
Algorithmen/Datenstrukturen, Theoretische Informatik, Methoden der Künstlichen Intelligenz


Leistungspunkte
Es gibt 6 Leistungspunkt für die erfolgreiche Teilnahme an der Vorlesung und den Übungen. Dies schliesst die erfolgreiche Bearbeitung der Programmieraufgaben sowie das Bestehen der Prüfung/Klausur mit ein.


Termine -- Folien


14.4.

Introduction: Intelligent Agents and Uncertainty

Folien (pdf)  

21.4.

Robust planning  

Folien (pdf)  

28.4.

Uncertainty as probabilistic degree of belief  

Folien (pdf)  

5.5.

Bayesian Belief Networks  

Folien (pdf)  

12.5.

Reasoning with Bayesian Networks  

Folien (pdf)  

19.5.

Bayesian Network Inference Algorithms  

Folien (pdf)  

26.5.

Dynamic Bayes Nets, Bayesian Decision Networks  

Folien (pdf)  

9.6.

Learning Bayesian Networks  

Folien (pdf)  

16.6.

Actions, interventions and complex decisions  

Folien (pdf)  

30.6.

Markov Decision Problems  

Folien (pdf)  

7.7.

Advanced Probabilistic Models  

Folien (pdf)  

14.7.

Applications and Summary  

Folien - Übersicht (pdf) Folien - POMDPs (pdf) Folien - BDNs (pdf)  

Begleitende Übungen

Belegnummer: 392104
Veranstalter: Thies Pfeiffer
Termin des Tutoriums: Mo 13-15, H1-103.

Die Übungen bestehen aus theoretischen und praktischen Aufgaben die begleitend zur Vorlesung in Gruppen von bis zu 3 Studierenden bearbeitet werden. Aufgabenblätter werden zum Termin der Vorlesung auf der Webseite zur Verfuegung gestellt. Lösungen koennen elektronisch per Mail oder auf Papier beim Tutor abgegeben werden. Eine Besprechung der Aufgaben/Lösungen findet in dem Tutorium statt.


Literatur:

  • Russell and Norvig: Artificial Intelligence: A Modern Approach. Prentic Hall, 2nd Edition, 2003.
  • Darwiche: Modeling and Reasoning with Bayesian Networks. Cambridge, 2010.
  • Görz: Einführung in die Künstliche Intelligenz. 3. Auflage, 2000.
  • Luger: Artificial Intelligence, 5th Edition, Addison-Wesley, 2005.
  • Alpaydin: Introduction to Machine Learning, MIT Press, 2004.

POMDP readings
Tutoral slides
Survey (K. Murphy)
Solution methods (D. Braziunas)

Webseiten
SamIam - Bayesian Network Modeling Tool
AI on the web
CMU AI repository
AI education repository

Stefan Kopp, 2007-04-12