|
Einrichtungen >> Fakultät Wirtschaftsinformatik / Angewandte Informatik >> Bereich Angewandte Informatik >>
|
Lehrstuhl für Kognitive Systeme
|
KogSys-KogInf-Psy: Grundlagen der Kognitiven Informatik [KogInf] -
- Dozentinnen/Dozenten:
- Ute Schmid, Johannes Rabold
- Angaben:
- Vorlesung und Übung, ECTS: 3, Für Studierende der Psychologie sowie Nebenfachstudierende
- Termine:
- Mo, 10:00 - 12:00, WE5/05.003
- 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.
|
|
Seminar "KI@BA: Künstliche Intelligenz in Bamberg" [KogSys-Sem-B] -
- Dozent/in:
- Bettina Finzel
- Angaben:
- Blockseminar, 2 SWS, ECTS: 3
- Termine:
- Blockveranstaltung 13.1.2023-14.1.2023 Mo-Fr, Sa, So, 9:00 - 18:00, WE5/02.006
Online-Termin zwischendurch (wird angekündigt)
Vorbesprechung: Freitag, 21.10.2022, 10:00 - 12:00 Uhr
- Voraussetzungen / Organisatorisches:
- Bitte schreiben Sie sich in den VC-Kurs (Link) ein. Sollten die verfügbaren Plätze überschritten
werden, findet ein Auswahlverfahren statt.
Voraussetzungen:
Für Studierende der genannten Fächer ab dem 3. Fachsemester
Informatik: Besuch des Moduls „Einführung in die Künstliche Intelligenz“
- Inhalt:
- Künstliche Intelligenz in Bamberg? Ganz genau – wir wollen, basierend auf Gary Marcus’s
Buch „Rebooting AI - Building Artificial Intelligence We Can Trust“, das Thema „Künstliche
Intelligenz“ aus verschiedenen fachlichen Perspektiven behandeln. Wie funktioniert KI? Wie
weit ist sie wirklich? Welche Rolle spielen hierbei die Medien? Und wie lässt sich Vertrauen
in Künstliche Intelligenz aufbauen?
Das Seminar ist interdisziplinär angelegt und steht Studierenden der Informatik,
Kommunikationswissenschaft und Psychologie ab dem 3. Fachsemester offen. Gemeinsam
werden wir das Thema bearbeiten, in Arbeitsgruppen diskutieren und in die Stadt tragen: Ziel
ist es, abschließend einen KI-Pfad durch Bamberg anzulegen.
Lernziele werden u. a. sein: Wissenschaftskommunikation, kritische Auseinandersetzung mit
Potenzialen und Grenzen Künstlicher Intelligenz, Kommunikation einer Vision künftiger KI
(Wie soll die KI in Zukunft sein?), künstlerische und grafische Auseinandersetzung mit den
Aussagen des Buches, gerechtfertigtes Vertrauen in Technik und Künstliche Intelligenz.
- Empfohlene Literatur:
- Literatur: Marcus, G., & Davis, E. (2019). Rebooting AI: Building artificial intelligence we can
trust. Vintage.
|
|
V KogSys-ML-B: Einführung in Maschinelles Lernen -
- 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 |
|
|