Beschreibung: |
In dieser Vorlesung diskutieren wir, wie Information in eine für den Computer nutzbare Repräsentation transformiert werden kann und wie diese Information in Wissen umgewandelt wird.
Wir starten mit der grundlegenden Frage, was Wissen überhaupt ist, und beschäftigen uns dann mit verschiedenen Arten, Wissen zu kodieren. Wir diskutieren, wie der Grad der Ähnlichkeit zwischen einzelnen Informationen bestimmt werden kann, um Fragen wie „Ist schwarz ähnlich zu weiß?“ beantworten zu können. Dazu nutzen wir eine Vielzahl von menschlich-kuratierten Ressourcen.
Im Teilgebiet des maschinellen Lernens, beschäftigen wir uns damit, wie der Computer lernen kann, Objekte in der realen Welt zu klassifizieren. Dies geschieht entweder mit Hilfe von vom Menschen aufbereiteten Trainingsdaten oder gänzlich unüberwacht. Wir diskutieren verschiedene, allgemein gebräuchliche Algorithmen aus dem Bereich des Maschinellen Lernens und beleuchten Eigenschaften dieser Algorithmen, die bei der Wahl des richtigen Algorithmus für ein konkretes Problem hilfreich sind. |
Literatur: |
- George F. Luger: Künstliche Intelligenz . Strategien zur Lösung komplexer Probleme. Pearson Studium 2001 - Ronald Brachman, Hector Levesque: Knowledge Representation and Reasoning. Morgan Kaufmann Publishers 2004 - Stuart J. Russell, Peter Norvig: Künstliche Intelligenz. Ein moderner Ansatz. Pearson Studium 2004 |