Introduction to AI

Description

This course gives an overview of the most relevant areas and methods of Artificial Intelligence (AI), such as logic and machine learning. In the practical part of the course, students learn how to implement intelligent software artefacts for real-world problems using Python and clingo. The overall goal is that students are able to determine potential application areas for AI as well as limits of the techniques addressed in the course. The course consists of 4 topics (overview, logics, classic machine learning, neural networks), each one consisting of theoretical background and practical skills in Python (respectively Jupyter Notebook) and clingo. Each on-site class consists of: - a short Moodle-based quiz on the topics of the previous class and phase of self studying - discussion and presentation of the solutions of the exercises from the previous unit - an outlook (talk) on new theoretical concepts, which are to be deepened by the students in the following phase of self studying The course is closed with a computer test (practical skills) and a written final exam (on the theoretical concepts). After passing this course successfully students are able to ... give an overview of directions and methods of artificial intelligence and name potential applications and retrictions use propositional and first-order logic for building a knowledge-base and use inference rules to entail queries use classic machine learning models for unsupervised and supervised learning understand what neural networks are run prepared Python scripts for AI applications and adopt them to given tasks AI foundations, directions and applications logic classic machine learning neural networks Programming, algorithmic and mathematical skills as taught in the 1st year of study slides Wolfgang Ertel (2016). Grundkurs Künstliche Intelligenz: Eine praktische Einführung 25% Moodle quizzes 75% written final exam mandatory Dieser Kurs gibt einen Überblick über die wichtigsten theoretischen Ausrichtungen und Verfahren der Künstlichen Intelligenz (KI) und behandelt ganz konkret traditionelle Logikformalismen und Machine Learning. In den Übungen wird anhand praktischer Beispiele mit Python und clingo gezeigt, wie solche AI-Verfahren softwaremäßig umgesetzt werden können. Die Teilnehmer entwickeln ein Gefühl für potentielle Einsatzgebiete der künstlichen Intelligenz, können prototypische Lösungen für AI-Problemstellungen umsetzen, aber auch Einschränkungen der kennengelernten Verfahren einschätzen. Die LV besteht aus 4 inhaltlichen Kapitels (Allgemeines und Übersicht, Logik, klassisches Machine Learning und Neuronale Netze, die jeweils aus einem theoretischen und einem praktischen Teil in Python (bzw. Jupyter Notebook) und clingo bestehen. Jede Präsenzeinheit besteht aus: - einem kurzen Moodle-Quiz über die Inhalte der vorherigen Präsenzeinheit und Eigenstudiumsphase - eine Diskussion und Präsentation der Lösungen der Übungsbeispiele aus der vorherigen Einheit - einem Impulsvortrag über neue Konzepte als Vorbereitung auf die folgende Eigenstudiumsphase (wo diese Konzepte dann zu vertiefen sind) Die LV schließt mit einem Computertest (über praktische Fähigkeiten) sowie einer schriftlichen Prüfung (über theoretisches Verständnis). Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ... einen Überblick über die wichtigsten Ausrichtungen und Verfahren der Künstlichen Intelligenz zu geben sowie deren potentielle Einsatzgebiete und Einschränkungen zu kennen Wissensbasen mittels Aussagen- und Prädikatenlogik aufzubauen und Inferenzregeln darauf anzuwenden, um logische Schlussfolgerungen abzuleiten klassische Machine Learning-Verfahren zu unsupervised und supervised learning zu kennen zu verstehen was neuronale Netze sind vorgefertigte Python Scripts auszuführen bzw. für vorgegebene Aufgabenstellungen aus dem Bereich der KI zu adaptieren AI Grundlagen, Ausrichtungen und Anwendungen Logik Klassisches Machine Learning Neuronale Netze Programmier- Algorithmik- und Mathematikkenntnisse wie im 1. Studienjahr vermittelt Folienskriptum Wolfgang Ertel (2016). Grundkurs Künstliche Intelligenz: Eine praktische Einführung 25% Moodle-Quizzes 75% Schriftliche Abschlussprüfung verpflichtend