Wissensbasierte Methoden

Ingenieurwissenschaften und Informatik

Version 9.0 vom 27.02.2023

11M0644

Knowledge Based Systems

Informatik - Verteilte und Mobile Anwendungen (M.Sc.)

5

In Gesellschaft und Unternehmen stellt das Wissen eine entscheidende, oft verteilte Ressource dar. Intelligente Informationssysteme greifen auf wissensbasierte Elemente in unterschiedlichen Formen zurück. Wissen wird in vielen Fällen aus großen Datenbeständen gewonnen. Die Studierenden sollen die unterschiedlichen Wissensformen und Methoden zur Wissensgewinnung kennenlernensowie vertiefte Kenntnisse einiger grundlegender Verfahren des maschinellen Lernens gewinnen.

1. Überblick: Wissensbasierte Systeme
2. Assoziationsregeln
3. Regressionsmethoden
4. Klassifikationsverfahren (Clusterverfahren, Entscheidungsbäume)
5. Grundlagen Neuronaler Netze

Wissensverbreiterung
Studierende, die dieses Fach erfolgreich studiert haben, kennen unterschiedliche Wissensarten sowie gängige Methoden der Wissensstrukturierung und -modellierung, der Wissensgewinnen (insbesondere aus Datenbeständen), der Wissensspeicherung und der Wissensnutzung.
Wissensvertiefung
Die Studierenden besitzen das theoretische Hintergrundwissen. Sie kennen die zu Grunde liegenden Algorithmen (ggf. einschließlich mathematischer Grundlagen) und können das Anwendungspotenzial wissensbasierter Methoden abschätzen. Sie sind in der Lage, sich mit aufbauenden und weiterführenden Methoden zu beschäftigen.
Können - instrumentale Kompetenz
Die Studierenden sind einerseits in der Lage, die vorkommenden Algorithmen umzusetzen und zu programmieren und andererseits zur Nutzung wissensbasierter Methoden adäquate Bibliotheken zu verwenden.
Können - kommunikative Kompetenz
Die Studierenden sind befähigt, die Verwendung wissenbasierter Algorithmen kritisch zu beurteilen und können diese mit Anwendern und Entwicklern im fachbezogenen Kontext kommunizieren.
Können - systemische Kompetenz
Die Studierenden sind in der Lage, mit Hilfe wissenbasierter Methoden nichttriviale Problemstellungen zu erkennen und mit den erlernten Methoden kreativ zu bearbeiten.

Vorlesung, Praktikum

Grundvorlesungen Mathematik, Grundkenntnisse in Wahrscheinlichkeitsrechnung

Stiene, Stefan

• Stiene, Stefan
• Gervens, Theodor

5

C. Beierle, G. Kern-Isberner: Methoden wissensbasierter Systeme; 2008C. M. Bishop: Pattern Recognition and Machine Learning; 2007S. Russel, P. Norvig: Artificial Intelligence, A Modern Approach; 2014U. Lämmel, J. Cleve: Künstliche Intelligenz; 2012A. Zell: Simulation Neuronaler Netze; 1995W. Kinnebrock: Neuronale Netze, Grundlagen, Anwendungen, Beispiele; 1992J. Heaton: Introduction to the Math of Neural Networks; 2012R. E. Schapire, Y. Freund: Boosting; 2012P. J. Talbot, D. R. Ellis: Applications of Artificial Intelligence for Decision-Making; 2015

• Mündliche Prüfung
• Klausur 2-stündig
• Projektbericht, schriftlich

Experimentelle Arbeit

Die genaue Prüfungsform wird vom Dozenten der Vorlesung festgelegt.

1 Semester

Nur Sommersemester

Deutsch