|
Empfohlene Vorkenntnisse
|
- Mathematische Grundlagen der Linearen Algebra (insbesondere Matrizen- und Vektorrechnung), Wahrscheinlichkeitsrechnung und bestenfalls numerischer Methoden.
- Erfahrung in mindestens einer Programmiersprache (bestenfalls Python, alternativ Matlab oder C/C++).
- Vorlesungen im Bereich der Signalverarbeitung und/oder Informationstheorie
|
|
Lehrform
|
Vorlesung/Labor
|
|
Lernziele / Kompetenzen
|
Kennenlernen und anwenden grundlegender Methoden und Anwendungsfelder aus dem Bereich der künstlichen Intelligenz.
|
|
Dauer
|
1
|
|
SWS
|
6.0
|
|
Aufwand
|
|
Lehrveranstaltung
|
120h
|
|
Selbststudium / Gruppenarbeit:
|
90h
|
|
Workload
|
210h
|
|
|
ECTS
|
7.0
|
|
Modulverantwortlicher
|
Prof. Dr. Christian Reich
|
|
Empf. Semester
|
EIM1
|
|
Haeufigkeit
|
jedes Jahr (SS)
|
|
Verwendbarkeit
|
EIM
|
|
Veranstaltungen
|
Methoden und Anwendungen der Künstlichen Intelligenz
| Art |
Vorlesung |
| Nr. |
EMI2257 |
| SWS |
2.0 |
| Lerninhalt |
Kennenlernen grundlegender Methoden (z.B. künstliche neuronale Netzwerke) und Anwendungen (z.B. Bildverarbeitung und Verarbeitung von Sensordaten) der Künstlichen Intelligenz und Datenanalyse. |
Seminar autonome mobile Systeme
| Art |
Seminar |
| Nr. |
EMI2249 |
| SWS |
2.0 |
| Lerninhalt |
Es werden aktuelle und ausgewählte wissenschaftliche Publikationen zu den Themen mobile Systeme, autonome Systeme und Sensordatenfusion in stduentischen Kleingruppen gelesen und aufbereitet. Anschließend erfolgt der Vortrag und Diskussion im Gruppenverband. |
| Literatur |
Jährlich wechselnde Publikationslisten, die durch den Lehrenden bereitgestellt werden |
Labor Künstliche Intelligenz
| Art |
Labor |
| Nr. |
EMI2258 |
| SWS |
2.0 |
| Lerninhalt |
Anwenden grundlegender Methoden (z.B. künstliche neuronale Netzwerke) und Anwendungen (z.B. Bildverarbeitung und Verarbeitung von Sensordaten) der Künstlichen Intelligenz und Datenanalyse. |
|