Spezielle Themen der Künstlichen Intelligenz

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

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 praktischen Aufgaben sowie das Bestehen der Prüfung/Klausur mit ein.

Termine -- Folien

5.4.	Introduction: Intelligent Agents and Uncertainty	Folien (pdf)
12.4.	Robust planning	Folien (pdf)
19.4.	Uncertainty, degree of belief and probability calculus	Folien (pdf)
26.4.	Bayesian Belief Networks	Folien (pdf)
3.5.	Graphical Models and Probabilistic Reasoning	Folien (pdf)
10.5.	Inference in Bayesian Network	Folien (pdf)
24.5.	Dynamic Bayes Nets, Probabilistic Decision-Making	Folien (pdf)
31.5.	Interventions, causal effects and complex decisions	Folien (pdf)
14.6.	Markov Decision Problems	Folien (pdf)
21.6.	Learning Bayesian Models I (Distribution and Parameter Learning)	Folien (pdf)
28.6.	Learning Bayesian Models II (Structure Learning and Incomplete Data)	Folien (pdf)
5.7.	Advanced probabilistic models	Folien (pdf)
12.7.	Markov Logic Networks & Summary/Quiz	Folien - Übersicht (pdf)

Begleitende Übungen

Belegnummer: 392104
Veranstalter: Christoph Broschinski
Termin des Tutoriums: Mi 16-18, H1-111a

Die Übungen bestehen aus praktischen Aufgaben die begleitend zur Vorlesung in Gruppen von 2 bis 3 Studierenden bearbeitet werden.

Literatur:

Russell and Norvig: Artificial Intelligence: A Modern Approach. Prentic Hall, 2nd Edition, 2003.
Darwiche: Modeling and Reasoning with Bayesian Networks. Cambridge Univ. Press, 2010.
Pearl: Probabilistic Reasoning in Intelligent Systems, Morgan Kaufmann, 1989.
Pearl: Causality: Models, Reasoning and Inference. 2nd edition, Cambridge Univ. Press, 2009.
Koski and Nobe: Bayesian Networks - an Introduction. Wiley, 2009. Online-Zugang über die Uni-Bib
[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.]

Web links: