An dieser Stelle werden aktuelle Bekanntmachungen bezüglich der Vorlesung, Übung und Prüfung veröffentlicht. Ansprechpartner: Daniel Nyga (nyga@in.tum.de)

• The retrial exam ("Nachklausur") will take place on Monday, 02.04.2012, 8:30 AM, Room MW1050 (Johann-Bauschinger-Zeichensaal) in the Mechanical Engineering Department. Please show up at least 20 min before and bring your student ID card. The same conditions hold as for the regular exam (see below).
• Registration is to be done via TUMOnline from 12.03.2012 on.
• You have the opportunity to inspect your exams on Wed 29.02 in our Lab in Karlstraße. For doing that, please register by sending an email to nyga@in.tum.de in order to make an appointment.
• NOTE: The lecture on Tue 07 Feb will be replaced by a practical session with exercises aimed at preparing for the exam.
• The Bayesian Network Tools for Java (BNJ) introduced in the exercise can be downloaded here.
• We provide handout versions of the lecture slides, which are better suited for being printed.
• Please note: There will be no lecture and no practical session on Tuesday 15 Nov, because of the students' plenary meeting.
• To our non-german-speaking students: We're sorry that we haven't translated the exercises completely yet. If you have any problems understanding the assignments, please contact Lars Kunze who will give you support!
• Die schriftliche Prüfung wird am Mittwoch, den 15.02.2012 stattfinden (siehe unten).
• In unserem neu eingerichteten wiKI koennen Informationen, Artikel und interessante Links geteilt, sowie Seminararbeiten vergangener Semester zu Themen rund um KI eingesehen werden. Alle Teilnehmer sind zudem eingeladen zu unserem Wiki beizutragen.
• Das erste Übungsblatt wird am Di, 18.10. veröffentlicht.

Literatur/Literature:

Die Vorlesung orientiert sich thematisch und didaktisch am Lehrbuch von Peter Norvig / Stuart Russell: Künstliche Intelligenz: Ein moderner Ansatz, 2. Auflage; ISBN: 3-8273-7089-2; Verlag: Pearson Studium.

Materialien/Lecture Slides:

Prüfung/Final Examination:

Am Ende des Semesters wird es eine schriftliche Prüfung geben. Die Anmeldung zur Vorlesung und zur Prüfung erfolgt über TUMOnline. At the end of the semester, there will be a written examination. Registration for the lecture and the exam must be done via TUMOnline.

Please Note: Die Anmeldung über TUMOnline muss durch die Studierenden im Zeitraum vom 21.11.11-15.01.12 vorgenommen werden. Keep in mind that you need to register for the exam until 01/15/2012 via TUMOnline.

• Date: Wed, 15.02.2012, 14:00-15:30h
• Place: Hörsäle 1 und 2, MI Building
• Duration: 90 min

Bitte erscheinen Sie mindestens 20 min vor Prüfungsbeginn und bringen Sie Ihren Studentenausweis mit. Please show up at least 20 min before the exam starts and bring your student ID card.

Die den Prüflingen zugeteilten Sitzplätze/Hörsäle sind den Platzlisten zu entnehmen, die an den Hörsaaleingängen ausgehängt werden. We will assign a seat to each examinee. The respective seat can be taken from the lists that will be posted at each entrance of the lecture hall.

Prüfungssprache ist Englisch. Zur Prüfung sind keinerlei Hilfsmittel zugelassen. The exam will be in English. No auxiliaries are permitted.

Materialien:

Die Vorlesung soll einen Überblick über wichtige Arbeitsgebiete und Methoden der Künstlichen Intelligenz geben. Die Vorlesung führt Grundideen und Methoden der Künstlichen Intelligenz anhand des Lehrbuches von Russell und Norvig (s.u.) ein. Es werden folgende Themen behandelt:

• Entwurfsprinzipien für und Spezifikation von intelligenten/rationalen Agenten

• Problemlösen durch Suche: uninformierte Suchverfahren, heuristische (informierte) Suchverfahren, optimierende Suche

• Problemlösen mit wissensbasierten Methoden: Logik und Inferenz, Schlussfolgern über Raum und Zeit, Repräsentation von Ontologien, Repräsentation und Schlussfolgern über Alltagswissen

• Problemlösen mit unsicherem Wissen: Grundlagen der Wahrscheinlichkeits- und Entscheidungstheorie, Bayes Netze, Planen mit Markov-Entscheidungsprozessen

• Handlungsplanung: Generierung partiell geordneter Aktionspläne, Planung und Ausführung

• Maschinelles Lernen: Lernen von Entscheidungsbäumen, Lernen von Prädikaten mittels Beispielen, PAC-Lernen, Selbstverstärkendes (Reinforcement-) Lernen.

English:

This course gives an overview of application areas and techniques in Artificial Intelligence. The course introduces the principles and techniques of Artificial Intelligence based on the textbook of Russell and Norvig (see below). The following topics are covered:

• design principles and specification mechanisms for intelligent/rational agents

• problem solving using search: heuristic search algorithms, optimizing search

• problem solving using knowledge-based techniques: logic and inference techniques, reasoning about space and time, representation of ontologies, representation and reasoning in the common sense world

• problem solving using uncertain knowledge and information: basic concepts of probability and decision theory, Bayesian Networks, planning with Markov decision problems

• action planning: automatic generation of partially ordered action plans, planning and execution

• machine learning: learning decision trees, inductive learning, probably approximately correct learning, reinforcement learning