B.Sc. Künstliche Intelligenz an der THD (Studieninhalte 2021)

Bachelor Studiengang Künstliche Intelligenz - Inhalte B.Sc. KI an der THD, Stand 2021.

KI Anwendungen

• Industrie 4.0
• Gaming
• Gamification
• Autonomes Fahren

Deep Learning / Big Data

Deep Learning:

• Feed-forward neural networks
• Tensorflow
• Convolutional neural networks
• Recurrent neural networks
• Sequence-to-sequence learning
• Deep reinforcement learning
• Unsupervised neural network models

Big Data:

• Einführung, 3 Vs, historischer Abriss, Anwendungsfälle
• Datenbank-Grundlagen: ER-Diagramme, relationale DB, DBMS, Abfragen, Indizes, Normalisierung, Transaktionen
• Big Data-Architekturen: verteilte Systeme, MapReduce, CAP-Theorem
• Beschleunigung durch GPUs und FPGAs
• Big Data / Small Data / All Data, Datenqualität, Bias, Small Sample Size
• Infrastrukturen, Frameworks, Bibliotheken, Werkzeuge

Autonome Robotik

• Intelligenz bei Robotern, Herausforderungen mobiler Robotik + Manipulation
• Lokomotion und Manipulation, statische/dynamische Stabilität, Freiheitsgrade
• Direkte Kinematik via Denavit-Hartenberg-Transformation
• Inverse Kinematik via Jacobi-Matrizen
• Wegplanung: Kartenrepräsentation, graphenbasiert, sampling-basiert, Pfadglättung
• Taskausführung: Zustandsautomaten, Behavior Tree, Missionsplanung
• Sensorik, Merkmalextraktion, Unsicherheit + Fehlerfortpflanzung
• Lokalisierung, Kartenerstellung, SLAM
• Übung/Praktikum: ROS (Konzepte, Kommandos, Werkzeuge, Programmierung), SLAM + Navigation

Seminar aktuelle Themen der KI

• Erklärbare KI mit LIME
• Probabilistisches Programmieren
• Agent-basierte Modelle
• Reinforcement Learning
• Evolutionäre Algorithmen für neuronale Netze
• Künstliche Quantenintelligenz

Bildverstehen

• Berechnungsmodelle für Sehen, Wahrnehmung + Vorwissen, Ebenen des Sehens
• Pixel + Filter, Digitalkameras, Bilddarstellungen, Rauschen, Filter, Kantenerkennung
• Bildregionen, Segmentierung, Wahrnehmungsgruppierung, Gestalttheorie, Bildkompression
• Feature-Erkennung: RANSAC, Hough-Transformation, Harris-Eckendetektor
• Objekterkennung: Template-Matching, Histogramme, ML, CNN
• NN: Fehlerfunktionen + Optimierung, Backpropagation, Convolutions + Pooling, Hyperparameter, AutoML, effizientes Training, Architekturen
• Bildsequenzen: Bewegung, Verfolgung, Kalman-Filter, Korrespondenzproblem, optischer Fluss
• Mobile Robotik: Roboterbewegung, Sensoren, probabilistische Robotik, Partikelfilter, SLAM
• Ausblick: 3D-Vision, GANs, selbstüberwachtes Lernen

Maschinelles Lernen

1. Grundlagen: Prognosen + Kausalität
2. Statistische Kennzahlen + Explorative Datenanalyse
3. Supervised Learning: erste Verfahren
4. Bewertung von Prognosen: Gütemaße im Supervised Learning
5. Tuning: Leave-One-Out, Kreuzvalidierung
6. Regularisierte Kern-basierte Verfahren (SVMs)
7. Universelle Konsistenz + Modellwahl (Additive Modelle mit L2-Boosting)
8. Dimensionsreduktion: Hauptkomponentenanalyse, LASSO
9. Zeitreihen + Online-Learning
10. Unsupervised Learning: Clusteranalyse mit k-Means

Sprachverarbeitung

• Grundlagen: Stemming, Stopwords, n-grams
• Textklassifizierung: naive Bayes, Spamfilterung, Spracherkennung, logistische Regression
• Rechtschreibkorrektur
• Suchmaschinen: Ranking, Vektorraummodell, PageRank
• Formale Sprachen: reguläre Ausdrücke, endliche Automaten, kontextfreie Grammatiken
• Analyse des Sprachsignals
• Ausblick: Embeddings, aktuelle NLP-Fortschritte

KI-Programmierung

• Python-Überblick
• Rekursivität + Rückverfolgung
• Symbolisches Rechnen
• Wissensrepräsentation
• Funktionale Programmierung
• Data Science + ML
• Constraintprogrammierung
• SAT-Solvers, SMT-Solvers

Computational Logic

Formale Logik:

1. Familie der Sprachen der Logik
2. Grundbausteine: Namen, Atomare Aussagen, Prädikate, Funktionen, Beweise, Aussagenlogik, Prädikatenlogik, formale Beweise, Mengenlehre, klassische Semantik PL-1, Herbrand Semantik + minimale Modelle, stabile Modelle, natürliches Schließen

Typentheorie + Programmkorrektheit:

• Lambdakalkül + funktionale Programmierung
• Curry-Howard Isomorphismus: propositions as types, proofs as programs

Programmieren in Logik:

• Prolog
• Answer Set Programming (ASP):
  1. Was ist ASP
  2. Regeln, Syntax, Logik-Entsprechung
  3. Konstanten, Variablen, Operatoren, Literale, Prädikate, funktionale Terme
  4. Cling-System
  5. Intervalle + Pooling
  6. Arithmetik
  7. Definitionen
  8. Choice Rules
  9. Globale + lokale Variablen
  10. Constraints
  11. Anonyme Variablen
  12. Übungen: Puzzles, OR-Aufgaben, Sudoku
  13. Vorgehensweisen
  14. Programmiermuster
  15. Aggregate: Zählen, Summe, Max, Min
  16. Optimierung
  17. Anwendung: Stundenplanung

Algorithmen und Datenstrukturen

• Algorithmen-Definition + Klassifizierung
• Graphen: Definitionen, Anwendungen, Shortest Path, Lowest Cost, A*
• Komplexitätsanalyse: Zeitkomplexität, O-/Omega-/Theta-/o-/O-Tilde-Kalkül, Speicherkomplexität
• Listen: Arrays, dynamische Arrays/Listen, Amortisierung, Basisoperationen, Stacks, Warteschlangen, verkettete Listen
• Rekursion, Suche, Divide and Conquer, Rekurrenzgleichungen, Master Theorem, Backtracking, dynamische Programmierung
• Sortierung: Bubble, Selection, Insertion, Merge, Quicksort, untere Schranken
• Bäume: Binärbäume, Traversieren, fortgeschrittene Bäume, Entscheidungsbäume
• Maps + Hash-Tabellen: Key-Value, Hashing, Kollisionsbehandlung
• Algorithmen: schnelle Matrix-Multiplikation, String-Matching, Primzahlen
• Quantencomputing: Qubits, Quantengatter, Quantencomputer, Quantenalgorithmen

Programmierung 2 (Java)

Teil 1 - OOP + UML:

• Abstraktion, Kapselung, Datentypen, Syntax, Konventionen
• UML-Diagramme, Geheimnisprinzip, Modularisierung (Java 9 JigSaw)
• Primitive + Referenzdatentypen, Klasse Object
• Hilfsklassen: Math, Random, Arrays, Objects, Collections, System
• Vererbung, Abstrakte Klassen, Interfaces, Generics
• Innere/Lokale/Anonyme Klassen, erweiterte Interfaces

Teil 2 - Fortgeschrittene Java:

• Collections API: Set, Map, List
• Exceptions: Checked, Unchecked, eigene
• Lambdas + Functional Interfaces, sort/foreach
• Code Conventions, Design Patterns (Singleton, Immutable, Iterator, Factory)
• Clean Code, Refactoring
• J-Unit, TDD, Debugging
• Multithreading: Thread, Runnable, ExecutionService, Future
• Dateizugriffe: Path, FileSystem, Paths, FileSystems, Files, RandomAccessFile, Logfiles, Tempfiles
• Media, Properties
• Stream-API: Filter-Map-Reduce
• Deployment: Jars, JMods, jLink (Java 11+ native), Inno Setup Installer

Einführung in die Künstliche Intelligenz

Teil I:

• KI-Definition, Geschichte (insb. deutsche), Anwendungsbeispiele, Grobüberblick Gebiete/Technologien
• KI im Wissensmanagementprozess: Wissensqualitäten, Wissen ist subjektiv/Kapital, Wissenserwerb + -suche
• Wissensrepräsentationen: Semantisches Netz/Ontologie, Produktionsregel, Logik-Inferenz, Constraints
• Chatbots: Geschichte, Anwendungen, Realisierung, AIML
• Software-Agenten: Begriff, Eigenschaften, rationaler Agent, Architektur, Anwendungen
• Benutzermodellierung, Adaptivität bei Lernanwendungen
• Suchverfahren + Fallbasiertes Schließen
• Bilderkennung: visuelle Wahrnehmung, Suche/Lokalisierung, Konturen, Korrespondenzproblem, Mustererkennung
• Philosophie: Turing-Test, Chinesisches Zimmer
• KI in 4.0: Semantic Web, drei Säulen, E-Commerce/Industrie/Lehre 4.0
• IBM Watson
• KI-Bereiche für Europa/Deutschland, KI + Ethik, KI + Nachhaltigkeit

Teil II:

• Einführung ML, Data Mining in Unternehmen, R-Software, Daten einlesen
• Supervised Learning I (parametrisch): Regression (einfach/multipel linear), binäre Klassifikation (logistische Regression)
• Supervised Learning II (nichtparametrisch): Trainings-/Testdatensatz, Entscheidungsbäume, neuronale Netze
• Bayes-Netze: bedingte Wahrscheinlichkeiten, Unsicherheits-Repräsentation, Multiplikationssatz, Inferenz

Grundlagen Informatik

Theoretische Informatik:

• Logik, Berechenbarkeit, endliche Automaten, formale Sprachen, Komplexitätstheorie

Technische Informatik:

• Schaltnetze + Schaltwerke, Rechnerarchitektur, Speicherorganisation, Internettechnologie

Vollständiger 2021er THD-AI-Curriculum-Dump als Referenz - Module decken klassische KI, ML, DL, Robotik, NLP, CV und Logik ab.