Alle Lernmaterialien für deinen Kurs Künstliche Intelligenz II

Egal, ob Zusammenfassung, Altklausur, Karteikarten oder Mitschriften - hier findest du alles für den Studiengang Bachelor of Science Informatik

Universität Erlangen-Nürnberg

Bachelor of Science Informatik

Prof. Dr.

2024

So erstellst du deine eigenen Lernmaterialien in Sekunden

  • Lade dein Vorlesungsskript hoch
  • Bekomme eine individuelle Zusammenfassung und Karteikarten
  • Starte mit dem Lernen

Lade dein Skript hoch!

Zieh es hierher und lade es hoch! 🔥

Jetzt hochladen

Die beliebtesten Lernunterlagen deiner Kommilitonen

Jetzt hochladen
Künstliche Intelligenz II - Cheatsheet
Künstliche Intelligenz II - Cheatsheet A*-Algorithmus Definition: A* (A-Stern) ist ein Suchalgorithmus, der in Graphen die kostengünstigste Route von einem Startknoten zu einem Zielknoten sucht. Nutzt eine Kombination aus g(n) und h(n). Details: g(n): Kosten vom Startknoten bis zum Knoten n h(n): Heuristische Schätzung der Kosten von n zum Ziel f(n) = g(n) + h(n): geschätzte Gesamtkosten Verwendet...

Künstliche Intelligenz II - Cheatsheet

Zugreifen
Künstliche Intelligenz II - Exam
Künstliche Intelligenz II - Exam Aufgabe 1) Gegeben sei ein Graph mit Knoten A, B, C, D und E sowie den folgenden Kanten mit den jeweiligen Kosten: A - B: 1 A - C: 3 B - D: 1 C - D: 1 D - E: 1 Die heuristische Funktion h(n) zu unserem Zielknoten E sei: h(A) = 4 h(B) = 2 h(C) = 2 h(D) = 1 h(E) = 0 Benutze den A*-Algorithmus, um den kürzesten Pfad von A nach E zu finden. a) Bestimme die Kosten g(n),...

Künstliche Intelligenz II - Exam

Zugreifen

Bereit für die Klausur? Teste jetzt dein Wissen!

Was ist der A*-Algorithmus?

Welche Funktion verwendet der A*-Algorithmus zur Gesamtkostenschätzung?

Was nutzt der A*-Algorithmus zur Verwaltung der zu überprüfenden Knoten?

Was ist ein Convolutional Neural Network (CNN)?

Welches ist die häufig verwendete Aktivierungsfunktion bei CNNs?

Welche Aufgaben hat die Pooling-Schicht in einem CNN?

Was ist Tokenisierung?

Welche Modelle sind populär für Wortvektoren?

Wofür werden Wortvektoren verwendet?

Was bedeutet Maschinelle Übersetzung?

Welche Verfahren gibt es in der Maschinellen Übersetzung?

Was wird als Standard-Metrik zur Evaluation von Maschinellen Übersetzungen verwendet?

Was versteht man unter überwachten Lernen?

Was ist das Ziel von überwachtem Lernen?

Welche Algorithmen sind typisch für überwachten Lernen?

Was ist Verstärkungslernen?

Was beschreibt die Q-Funktion in der Verstärkungslennung?

Welche Parameter beeinflussen das Lernen im Verstärkungslernen?

Was ist ein Nash-Gleichgewicht in der Spieltheorie?

Wie lautet die formale Definition eines Nash-Gleichgewichts?

Was besagt Nashs Existenztheorem?

Was ist ein Markov-Entscheidungsprozess (MDP)?

Welche Elemente definiert ein MDP?

Wie lautet die Bellman-Gleichung für die Wertfunktion \(V(s)\) ?

Weiter

Diese Konzepte musst du verstehen, um Künstliche Intelligenz II an der Universität Erlangen-Nürnberg zu meistern:

01
01

Erweiterte Suchalgorithmen

Diese Vorlesungseinheit konzentriert sich auf fortgeschrittene Techniken und Algorithmen zur effizienten Suche in komplexen Problembereichen.

  • A*-Algorithmus
  • Greedy-Best-First-Suche
  • Iterative Deepening A* (IDA*)
  • Bidirektionale Suche
  • Heuristische Funktionen und deren Optimierung
Karteikarten generieren
02
02

Neuronale Netze und Deep Learning

Hier lernen Studierende die Grundlagen und fortgeschrittenen Konzepte von neuronalen Netzen sowie die Implementierung und Anwendung von Deep Learning Techniken.

  • Feedforward Neuronal Network (FNN)
  • Backpropagation Algorithmus
  • Convolutional Neural Networks (CNN)
  • Recurrent Neural Networks (RNN)
  • Transfer Learning
Karteikarten generieren
03
03

Natürlichsprachliche Verarbeitung (NLP)

Dieser Abschnitt behandelt die Techniken und Modelle zur Verarbeitung und Analyse natürlicher Sprache.

  • Tokenisierung und Wortvektoren
  • Sprachmodelle (z.B. BERT)
  • Textklassifikation
  • Named Entity Recognition (NER)
  • Maschinelle Übersetzung
Karteikarten generieren
04
04

Maschinelles Lernen und Optimierung

Schwerpunkte dieser Einheit sind die grundlegenden Methoden des maschinellen Lernens und deren Anwendungsgebiete zur Optimierung komplexer Systeme.

  • Supervised Learning (überwachtes Lernen)
  • Unsupervised Learning (unüberwachtes Lernen)
  • Reinforcement Learning
  • Support Vector Machines (SVM)
  • Gradient Descent Optimierungsverfahren
Karteikarten generieren
05
05

Spieltheorie und Entscheidungsfindung

Dieser Abschnitt führt in die Grundlagen und Anwendungen der Spieltheorie ein, wobei der Fokus auf Entscheidungsfindung in Multiagentensystemen liegt.

  • Nash-Gleichgewicht
  • Kooperative und nicht-kooperative Spiele
  • Minimax-Algorithmus
  • Bayes'sche Entscheidungsfindung
  • Markov-Entscheidungsprozesse (MDP)
Karteikarten generieren

Alles Wichtige zu diesem Kurs an der Universität Erlangen-Nürnberg

Künstliche Intelligenz II an Universität Erlangen-Nürnberg - Überblick

Die Vorlesung Künstliche Intelligenz II, angeboten von der Universität Erlangen-Nürnberg, ist Teil des Informatik-Studiengangs und richtet sich an Studierende, die ihr Wissen im Bereich der Künstlichen Intelligenz vertiefen möchten. Die Vorlesung besteht aus wöchentlichen theoretischen und praktischen Sitzungen, die in zwei große Blöcke unterteilt sind. Diese Blöcke behandeln sowohl die theoretischen Grundlagen als auch praktische Anwendungen von KI-Techniken. Der Kurs wird in der Regel im Wintersemester angeboten und die Leistung wird durch eine schriftliche Prüfung am Ende des Kurses bewertet. Hausarbeiten oder Projekte können ebenfalls Teil der Gesamtbewertung sein. Die Hauptthemen des Curriculums umfassen erweiterte Suchalgorithmen, neuronale Netze und Deep Learning, natürlichsprachliche Verarbeitung, Maschinelles Lernen und Optimierung, sowie Spieltheorie und Entscheidungsfindung.

Wichtige Informationen zur Kursorganisation

Kursleiter: Prof. Dr.

Modulstruktur: Die Vorlesung gliedert sich in zwei große Blöcke, in denen theoretische Grundlagen und praktische Anwendungen von KI-Techniken vorgestellt werden. Der Kurs umfasst wöchentliche Vorlesungen und Übungen, die eine tiefergehende Auseinandersetzung mit den Inhalten ermöglichen.

Studienleistungen: Die Leistung wird am Ende durch eine schriftliche Prüfung bewertet. Zusätzlich können Hausarbeiten oder Projekte als Bestandteil der Gesamtbewertung einfließen.

Angebotstermine: Der Kurs wird überwiegend im Wintersemester angeboten.

Curriculum-Highlights: Erweiterte Suchalgorithmen, neuronale Netze und Deep Learning, natürlichsprachliche Verarbeitung, Maschinelles Lernen und Optimierung, Spieltheorie und Entscheidungsfindung

So bereitest Du Dich optimal auf die Prüfung vor

Beginne frühzeitig mit dem Lernen, idealerweise schon zu Beginn des Semesters, um Dir die nötige theoretische Basis anzueignen.

Nutze verschiedene Ressourcen, wie Bücher, Übungsaufgaben, Karteikarten und Probeklausuren, um dein Wissen zu vertiefen.

Schließe Dich Lerngruppen an und tausche Dich mit anderen Studierenden aus, um gemeinsam Lösungsstrategien zu entwickeln.

Vergiss nicht, regelmäßige Pausen einzulegen und in diesen Zeiten komplett abzuschalten, um eine Überbelastung zu vermeiden.

Nutzung von StudySmarter:

Nutzung von StudySmarter:

  • Erstelle Lernpläne und Zusammenfassungen
  • Erstelle Karteikarten, um dich optimal auf deine Prüfung vorzubereiten
  • Kreiere deine personalisierte Lernerfahrung mit StudySmarters AI-Tools
Kostenfrei loslegen

Stelle deinen Kommilitonen Fragen und bekomme Antworten

Melde dich an, um der Diskussion beizutreten
Kostenlos anmelden

Sie haben bereits ein Konto? Login

Entdecke andere Kurse im Bachelor of Science Informatik

74790 Strategisches Management Kurs ansehen
Advanced Design and Programming Kurs ansehen
Advanced Mechanized Reasoning in Coq Kurs ansehen
Advanced Programming Techniques Kurs ansehen
Algebra Kurs ansehen
Algebra des Programmierens Kurs ansehen
Algebraische und Logische Aspekte der Automatentheorie Kurs ansehen
Algorithmen und Datenstrukturen Kurs ansehen
Algorithmik kontinuierlicher Systeme Kurs ansehen
Allgemeine Biologie I Kurs ansehen

Lerne jederzeit. Lerne überall. Auf allen Geräten.

Kostenfrei loslegen