Fähigkeit zur Erfassung und Strukturierung von menschlichem Wissen und Erlernen grundlegender Möglichkeiten zur Formalisierung des gewonnenen Wissens in computergeeigneten Repräsentationsformen
Grundlegende Kenntnisse über die Arbeitsweisen von ausgewählten Methoden der Wissensverarbeitung und der KI-Suche sowie über die Einschätzung der Eignung einzelner Methoden für unterschiedliche Problemklassen und Repräsentationsformalismen
Anwendung ausgewählter Methoden der Wissensrepräsentation und -verarbeitung auf konkrete praktische Aufgabenstellungen
Auseinandersetzung mit Problemen beim Umgang mit unsicherem und inkonsistentem Wissen und Vermittlung von ausgewählten Techniken zur Behandlung solchen Wissens
Modulinhalte
Übersicht Wissensbasierte Systeme: Konzepte Wissen mit Abgrenzung zu Daten und Informationen, Wissensverarbeitung mit Abgrenzung zu Wissensmanagement und zu prozeduraler Datenverarbeitung, Problemtypen und Anwendungsbereiche, insbesondere Klassifikation, Diagnose, Konstruktion, Konfiguration, Methodenspektrum wissens-verarbeitender Systeme, Regeln und Constraints zur Wissenspräsentation und -verarbeitung, Experten- und wissensbasierte Systeme und ihre Komponenten, Wissenserwerb (Lernen/Erfassen) und -verarbeitung (Anwenden/Inferenz), Deduktion vs. Induktion, Einführung Regelbasierter Systeme, Regelverkettung, Klassifikation von Regeln, Umgang mit unsicherem Wissen, Einführung rationaler und wissensbasierter Agenten als Wissensnutzer
Wissensrepräsentation: Vorstellung des Prozesses der Wissensrepräsentation und deren Bestandteile, Einführung in die Logik, Syntax und Semantik von Aussagen- und Prädikatenlogik, Konjunktive Normalform, Horn-Strukturen, Inferenz und Herleitung, regel- und constraint-basierte Wissensdarstellung, Constraint-Netze, Zusammenhang zwischen Regeln und Constraints, semantische Netze zur Repräsentation von Wissen, Erweiterung von semantischen Netzen um die Konzepte von Taxonomien und Ontologien, Beschreibungs¬logiken zur Semantikdefinition von Wissensnetzen
Inferenzverfahren: Schlussfolgerungen in der Logik, Regelverkettungsstrategien, UND/ODER-Bäume, Schließen unter Unsicherheit, Wahrscheinlichkeiten zur Darstellung von unsicherem Wissen, Bedingte Wahrscheinlichkeiten zur Abbildung von unsicheren Regeln, Satz von Bayes, Schlussfolgern in Bayes-Netzen, Regeln mit Sicherheitsfaktoren, Problem inkonsistenter Schlüsse/Argumentationen und komplexe Sicherheitsfaktoren
Suchen und Planen: KI-Suche, Zustände, Aktionen als Zustandsübergänge, Aktionen als Regeln, Aktionsfolge als regelkonformer Weg vs. (Konstruktions-)Plan, uninformierte vs. informierte Suche: Tiefen- und Breitensuche und ihre Verbesserung, A*-Verfahren, Constraint Satisfaction Probleme (CSP), Suchstrategien und effiziente Techniken für CSPs
Lernen von Wissen: Lernen von Entscheidungsbäumen und von Assoziationsregeln im Rahmen des maschinellen Lernens und des Data Mining
Lehrveranstaltungsformen
Vorlesung (2 SWS)
Kursus (2 SWS)
Kursus
Kursus
Unterrichtsprachen
Deutsch, Englisch
Dauer in Semestern
1 Semester Semester
Angebotsrhythmus Modul
jedes Sommersemester
Aufnahmekapazität Modul
unbegrenzt
Prüfungsebene
Credit-Points
5 CP
Modulabschlussnote
LV1: %; LV2: %; LV3: %; LV4: %.
Faktor der Modulnote für die Endnote des Studiengangs
1
Modulveranstaltung
Lehrveranstaltungsform
Veranstaltungstitel
SWS
Workload Präsenz
Workload Vor- / Nachbereitung
Workload selbstgestaltete Arbeit
Workload Prüfung incl. Vorbereitung
Workload Summe
LV 1
Vorlesung
Vorlesung
2
0
LV 2
Kursus
Übung am PC unter Anleitung durch wiss. Mitarbeiter(innen)
