|
Einrichtungen >> Fakultät Wirtschaftsinformatik / Angewandte Informatik >> Bereich Angewandte Informatik >>
|
Professur für Angewandte Informatik, insbes. Kognitive Systeme
|
KogSys-KogInf-Psy: Grundlagen der Kognitiven Informatik [KogInf] -
- Dozent/in:
- Ute Schmid
- Angaben:
- Vorlesung und Übung, ECTS: 3, Für Studierende der Psychologie sowie Nebenfachstudierende
- Termine:
- Mo, 10:00 - 12:00, WE5/05.003
Mo
- Voraussetzungen / Organisatorisches:
- Für BA-Psychologie: Erste LV im Pflichtbereich Angewandte Kognitionspsychologie,
sowie für Studierende im Nebenfach Angewandte Informatik
- Inhalt:
- Grundlagen der Informatik und der Künstlichen Intelligenz - insbesondere Logik und
Wissensrepräsentation sowie Suchalgorithmen und Produktionssysteme - werden
eingeführt und in praktischen, in die Vorlesung integrierten, Übungen vertieft. Darauf
aufbauend werden grundlegende Ansätze und Techniken der kognitiven Modellierung
eingeführt: Der Produktionssystem-Ansatz ACT-R, Modellierung mit neuronalen Netzen,
Analogiemodelle sowie aktuelle Entwicklungen und Anwendungsbereiche.
- Empfohlene Literatur:
- Schmid, U. (2006). Computermodelle des Denkens und Problemlösens. In J. Funke (Hrsg.), Enzyklopädie der Psychologie, Themenbereich C Theorie und Forschung, Serie II Kognition, Band 8 Denken und Problemlösen Hogrefe.
|
|
V KogSys-ML-M: Lernende Systeme -
- Dozent/in:
- Ute Schmid
- Angaben:
- Vorlesung, 2 SWS, ECTS: 6
- Termine:
- Di, 8:00 - 10:00, WE5/00.019
- Voraussetzungen / Organisatorisches:
- Vorleistungen: GdI-MfI-B, MI-AuD-B
- Inhalt:
- Die Veranstaltung vermittelt vertieftes Wissen und Kompetenzen im Bereich Maschinelles Lernen mit dem Fokus auf symbolischen, neuronalen und statistischen Algorithmen. Anmerkung: Die Folien sowie weitere Materialien sind überwiegend in englischer Sprache. Vorlesung: In der Vorlesung werden wesentliche symbolische, statistische und neuronale Ansätze des maschinellen Lernens mit Bezügen zum menschlichen Lernen vertiefend eingeführt. Wesentliche Themengebiete sind: Entscheidungsbaumalgorithmen, Multilayer Perzeptrons, Instance-based Learning, Induktive Logische Programmierung, Genetische Algorithmen, Bayes'sches Lernen, Lerntheorie, Induktive Programmsynthese, Reinforcement Learning. Übung: Vertiefung von in der Vorlesung eingeführten Methoden und Techniken, zum Teil mit Programmieraufgaben in Java und PROLOG.
- Empfohlene Literatur:
- Mitchell, Machine Learning
|
|
|
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|