Modul Künstliche Intelligenz

Code:	238450
Modul:	Künstliche Intelligenz
Module title:	Artificial Intelligence
Version:	2.0 (02/2018)
letzte Änderung:	14.12.2021
Modulverantwortliche/r:	Prof. Dr.-Ing. Ringwelski, Georg G.Ringwelski@hszg.de

angeboten in den 2 Studiengängen:	Informatik (M.Sc.) gültig ab Matrikel 2018
	Informatik (M.Sc.) gültig ab Matrikel 2020

Modul läuft im:	WiSe (Wintersemester)
Niveaustufe:	Master
Dauer des Moduls:	1 Semester
Status:	Pflichtmodul
Lehrort:	Görlitz
Lehrsprache:	Deutsch

Workload* in

SWS **

Semester

Zeit- std.

ECTS- Pkte

1

2

3

4

V

S

P

W

V

S

P

W

V

S

P

W

V

S

P

W

150

5

4.0

2

2

0

0

*	Gesamtarbeitsaufwand pro Modul (1 ECTS-Punkt entspricht einem studentischen Arbeitsaufwand von 30 Zeitstunden)
**	eine Semesterwochenstunde (SWS) entspricht 45 Minuten pro Woche

Selbststudienzeit in h	Angabe gesamt
	105

Lehr- und Lernformen:

Das Modul wird in integrierten Vorlesungs- und Praktikums- und Seminaranteilen durchgeführt. Der Schwerpunkt liegt dabei bei der selbstständigen Erarbeitung der Themengebiete durch die Studierenden. Insbesondere für die Prüfungsleistung sind mehrere kleine Projekte in Einzelarbeit zu erstellen. Die Themen werden dabei individuell unterschiedlich in Abstimmung mit dem Dozenten festgelegt und im Anschluss in klassischer Seminarform im Plenum präsentiert.

Hinweise:

Zur aktuell durchgeführten Veranstaltung finden Sie Informationen im OPAL: https://bildungsportal.sachsen.de/opal/auth/RepositoryEntry/24811962374?2



Prüfung(en)
Prüfung	Prüfungsleistung als Laborarbeit (PL)	-	100.0%

---

Lerninhalt:	Überwachtes Lernen, insbes. tba Statistisches Testen, Evaluierung nichtdeterministischer und nichtdeterminierter Systeme bzgl. funktionaler und nicht-funktionaler Anforderungen Automatisches Problemlösen

Lernergebnisse/Kompetenzen:
Fachkompetenzen:	Die Studierenden können praktische Problemstellungen des Maschinellen Lernens (ML) differenzieren, in die Bereiche des Maschinellen Lernens einordnen und im Fall von überwachtem Lernen lösen. Sie sind sowohl in der Lage, selbst grundlegende Algorithmen in einer Standardprogrammiersprache zu realisieren, als auch frameworks zu konfigurieren und anzuwenden. Die Studierenden können sowohl praktische als auch benchmark Probleme erkennen, modellieren und mit unterschiedlichen Verfahren lösen. Sie sind in der Lage, diese Verfahren bzgl ihrer Performanz vorab begründet einzuschätzen sowie im Nachhinein aussagekräftig zu evaluieren. Zur Konfiguration der Verfahren können die Studierenden die Eigenschaften bzw. Konfigurationsmöglichkeiten so interpretieren, dass ihnen eine zielgerichtete Entwicklung möglich ist.
Fachübergreifende Kompetenzen:	Die Studierenden können automatisierte Tests auf nichtdeterministische und nichtdeterminierte Systeme so anwenden, dass verlässliche Aussagen zur Erfüllung funktionaler und nicht-funktionaler Anforderungen dieser Systeme ableitbar sind. Auf diese Weise können Sie ML-Systeme fachlich fundiert bewerten.

Notwendige Voraussetzungen für die Teilnahme:	Programmierung in einer Standardprogrammiersprache, grundlegende Fertigkeiten der Softwaretechnik und Dynamisches Testen funktionaler Anforderungen. Verstehendes Lesen englischsprachiger Texte.

Literatur:	Aktuelle Literaturlisten werden auf der OPAL-Seite zur Lehrveranstaltung angegeben.