UnivIS
Informationssystem der Otto-Friedrich-Universität Bamberg © Config eG 
Zur Titelseite der Universität Bamberg
  Sammlung/Stundenplan Home  |  Anmelden  |  Kontakt  |  Hilfe 
Suche:      Semester:   
 Lehr-
veranstaltungen
   Personen/
Einrichtungen
   Räume   Telefon &
E-Mail
 
 
 Darstellung
 
kompakt

kurz

Druckansicht

 
 
Stundenplan

 
 
 Extras
 
alle markieren

alle Markierungen löschen

Ausgabe als XML

 
 
Einrichtungen >> Universitätsleitung/Gremien >> Beirat für Frauenfragen >>

Lehrveranstaltungen

 

Bachelorseminar zu Smart Environments [SME-SEM-B]

Dozentinnen/Dozenten:
Diedrich Wolter, Ute Schmid
Angaben:
Seminar, 2 SWS, ECTS: 3, gemeinsames Bachelor-/Masterseminar zusammen mit KogSys
Termine:
Do, 10:00 - 12:00, WE5/05.005

 

BamBirds StudAG [BamBirds StudAG]

Dozentinnen/Dozenten:
Ute Schmid, Diedrich Wolter
Angaben:
Seminar, Dieser Kurs ist eine Studierenden-Arbeitsgemeinschaft. Deshalb können hier keine ECTS-Punkte erworben werden. Weitere Informationen finden sich im vc-Kurs zur Veranstaltung (siehe Link im Bereich "Zusätzliche Informationen").
Termine:
Zeit/Ort n.V.

 

KogSys-Col: Kolloquium Kognitive Systeme

Dozent/in:
Ute Schmid
Angaben:
Kolloquium, 2 SWS
Termine:
Mo, 16:00 - 18:00, WE5/05.003
Inhalt:
Das Forschungskolloquium der Gruppe Kognitive Systeme dient als Diskussionforum für Dozenten und Doktoranden sowie Studierende, die in diesem Bereich ihre Bachelor- oder Masterarbeit schreiben. Vorträge werden zu Konzepten und Ergebnissen von Qualifikationsarbeiten sowie aktuellen Forschungsarbeiten der Gruppe gehalten. Teilweise werden externe Referenten eingeladen.

 

KogSys-KogInf-Psy: Grundlagen der Kognitiven Informatik

Dozentinnen/Dozenten:
Ute Schmid, Christina Zeller
Angaben:
Seminar
Termine:
Mo, 10:00 - 12:00, WE5/05.004
Voraussetzungen / Organisatorisches:
Studierenden, die planen im Master Veranstaltungen im Bereich Informatik/Kognitive Systeme (Fakultät WIAI) zu belegen, wird der Besuch dieser Veranstaltung dringend empfohlen.
Inhalt:
Grundlagen der Informatik und der Künstlichen Intelligenz - insbesondere Logik und Wissensrepräsentation sowie Suchalgorithmen und Produktionssysteme - werden eingeführt und praktisch 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.

Zusätzliche Informationen https://www.uni-bamberg.de/kogsys/teaching/courses/kognitive-informatik/ Institution: Lehrstuhl für Allgemeine Psychologie
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.

 

KogSys-KogInf-Psy: Grundlagen der Kognitiven Informatik [KogInf]

Dozentinnen/Dozenten:
Ute Schmid, Christina Zeller
Angaben:
Vorlesung und Übung, ECTS: 3, Für Studierende der Psychologie sowie Nebenfachstudierende
Termine:
Mo, 10:00 - 12:00, WE5/05.004
Voraussetzungen / Organisatorisches:
Für BA-Psychologie: Erste LV im Pflichtbereich Angewandte Kognitionspsychologie; Für Nebenfachstudierende: Kann mit dem BA-Seminar Kognitive Systeme kombiniert werden, um 6 ECTS zu erwerben.
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.

 

KogSys-Sem-M2: Reading Club [KogSys-Sem-M2]

Dozentinnen/Dozenten:
Ute Schmid, Diedrich Wolter
Angaben:
Seminar, 2 SWS, ECTS: 3
Termine:
Do, 10:00 - 12:00, WE5/05.003

 

Masterseminar zu Smart Environments [SME-SEM-M]

Dozentinnen/Dozenten:
Diedrich Wolter, Ute Schmid
Angaben:
Seminar, 2 SWS, benoteter Schein, ECTS: 3, gemeinsames Bachelor- und Masterseminar zusammen mit KogSys
Termine:
Do, 10:00 - 12:00, WE5/05.005

 

V KogSys-KogMod-M: Kognitive Modellierung

Dozent/in:
Ute Schmid
Angaben:
Vorlesung, 2 SWS, ECTS: 6
Termine:
Mi, 8:00 - 10:00, WE5/05.005
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.

 

V KogSys-ML-M: Lernende Systeme

Dozent/in:
Ute Schmid
Angaben:
Vorlesung, 2 SWS, ECTS: 6
Termine:
Di, 8:00 - 10:00, WE5/05.003
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