Bachelor/Masterseminar (WS 2018/2019)

General Information

  • This seminar is open for bachelor- and master students.
  • You find administrative information at UnivIS.
  • Participants should sign up for the course in the virtual campus.
  • The course is usually offered in the winter term.

Topic: Künstliche Intelligenz - gestern, heute, morgen.

Gemeinsames Seminar mit Smart Environments (für BA und MA offen).

Künstliche Intelligenz (KI) ist der Teil der Informatik, in dem Algorithmen für solche Bereiche entwickelt und erforscht werden, in denen Menschen noch besser sind als Standard-Programme. Lange Zeit galt dies beispielsweise für Schach -- bis zum Durchbruch 1996, als Deep Blue den damaligen Gro?meister Kasparov besiegte. Künstliche Intelligenz Forschung verfolgt einerseits ein ingenieurswissenschaftliches Ziel  -- das heisst, die Entwicklung von funktionalen und effizienten Algorithmen. Zum anderen wird ein erkenntnistheoretisches Ziel verfolgt: Wer KI Programme entwickelt, hat h?ufig den Anspruch, dass diese Programme auf der menschlichen Kognition verwandten Prinzipien basieren. Im Seminar werden wir uns anhand von Originalarbeiten mit den zentralen Ans?tzen der KI auseinandersetzen. Dabei werden wir uns für jedes Thema sowohl mit den ersten Grundlagenarbeiten als auch mit aktuellen Weiterentwicklungen auseinandersetzen und diskutieren, wie sich diese Themengebiete in zukünftigen Anwendungen einsetzen lassen.

Recommended Reading / Links 

Wissensrepr?sentation

Probleml?sen und Planen

  • Newell, A., Shaw, J. C., & Simon, H. A. (1959, January). Report on a general problem-solving program. In IFIP Congress (pp. 256-264).
  • Green, C. (1969). Application of theorem proving to problem solving (No. SRI-TR-4). SRI INTERNATIONAL MENLO PARK CA ARTIFICIAL INTELLIGENCE CENTER.
  • Fikes, R. E., & Nilsson, N. J. (1972). STRIPS: A new approach to the application of theorem proving to problem solving. Artificial intelligence, 2(3), 189-208.
  • Haslum, P., & Geffner, H. (2014, May). Heuristic planning with time and resources. In Sixth European Conference on Planning.

Maschinelles Lernen

  • Michalski, R. S., Carbonell, J. G., & Mitchell, M. L. (1986). An Artificial Intelligence Approach. Understanding the Nature of Learning, 2, 3-26.
  • Muggleton, S. (1991). Inductive logic programming. New generation computing, 8(4), 295-318.
  • Hinton, G. E., Osindero, S., & Teh, Y. W. (2006). A fast learning algorithm for deep belief nets. Neural computation, 18(7), 1527-1554.

Presentations:

    Previous Seminars

    KI-Seminare: [WS 17/18] [WS 16/17] [WS 15/16]

    Bachelor Seminare: [WS 04/05] [WS 05/06] [WS 06/07] [<link kogsys/teaching/archiv/ws0708/bachelorseminar_kognitive_systeme/ - extern>WS 07/08</link>] [<link kogsys/teaching/archiv/ws0809/bachelorseminar_kognitive_systeme/ - extern>WS 08/09</link>] [WS 09/10]  [WS 10/11]    [SS 11] [WS 11/12] [WS 12/13] [WS13/14]

    Master Seminare: [SS 05] [SS 06] [SS 08] [SS 09] [WS 09/10] [SS 10]  [WS 11/12] [WS 12/13] [WS 13/14]

    Reading Clubs:

    • WS 14/15: Cognitive Models for Number Series Induction Problems  [Archiv Page]
    • SS 2014: Experimenting with a Humanoid Robot - Programming NAO to (Inter-)Act  [Archiv Page
    • SS 2013: An introduction into statistic data analysis with R  [Archiv Page
    • SS 2012: Transfer Learning  [Archiv Page] 
    • SS 2011: Emotion Mining in Images and Text  [Archiv Page
    • SS 2010: Aspects of Cognitive Robotics [Archiv Page
    • SS 2009: Reading Club Decision Support Systems [Archiv Page
    • WS 08/09: Algebraic Foundations of Functional Programming (together with Theoretical Computer Science) [Archiv Page]  
    • SS 2008: Similarity (together with Statistics) [Archiv Page]
    • SS 2007: Automated Theorem Proving with Isabelle (together with Theoretical Computer Science) [Archiv Page]
    • SS 2006: Support Vector Machines [Archiv Page]