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.

Seminar Kognitive Systeme [KogSys-Sem]

Dozentinnen/Dozenten:

Ute Schmid, Christian Ledig

Angaben:

Seminar, 2 SWS, ECTS: 3, für Bachelor und Master

Termine:

Do, 10:00 - 12:00, WE5/04.003

Voraussetzungen / Organisatorisches:

wählbar für: BA AI, BA SoSySc / MA AI, MA CitH;
Vorraussetzungen für BA: Einführung in die KI bestanden; Vorraussetzungen für MA: Maschinelles Lernen bestanden ODER Einführung in die KI bestanden

Inhalt:

Aufbauend auf den in den Vorlesungen und Übungen des Faches Kognitive Systeme erworbenen Kenntnissen und Fertigkeiten wird im Seminar die eigenständige Erarbeitung und Präsentation eines Themengebiets auf der Basis von wissenschaftlicher Literatur eingeübt. Dabei werden Kompetenzen zur Einarbeitung in vertiefende Fragestellungen anhand wissenschaftlicher Literatur sowie deren Präsentation in mündlicher und schriftlicher Form erworben. Erarbeitung eines ausgewählten Themas aus dem Bereich Künstliche Intelligenz.

Empfohlene Literatur:

wird zu Beginn des Seminars bekanntgegeben

V KogSys-KogMod-M: Kognitive Modellierung

Dozent/in:

Ute Schmid

Angaben:

Vorlesung, 2 SWS, ECTS: 6

Termine:

Do, 8:00 - 10:00, WE5/05.003

Inhalt:

Es werden wesentliche kognitionspsychologische Grundlagen aus den Bereichen Wahrnehmung, Gedächtnis und Wissensrepräsentation sowie Grundlagen der empirischen Forschung -- Experiment, abhängige/unabhängige Variablen, Grundgedanke der Inferenzstatistik -- eingeführt. Zudem werden grundlegende Ansätze und Techniken der kognitiven Modellierung sowie verschiedene Anwendungsgebiete dargestellt. Empirische Forschungsmethoden werden anhand einer exemplarisch durchgeführten empirischen Studie vertiefend praktisch eingeübt. Ansätze zur kognitiven Modellierung werden anhand konkreter Modellierungsaufgaben mit ausgewählten Ansätzen praktisch umgesetzt.

Ü KogSys-KogMod-M: Kognitive Modellierung

Dozent/in:

Münsterberg Alisa

Angaben:

Übung

Termine:

Di, 12:00 - 14:00, WE5/05.003

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

Ü KogSys-ML-B: Einführung in Maschinelles Lernen

Dozent/in:

Johannes Rabold

Angaben:

Übung, 2 SWS

Termine:

Mo, 12:00 - 14:00, WE5/00.019