Fortgeschrittene KI-Technologien und Anwendungen

11M2009

Master

Deutsch

5.0

nur Sommersemester

1 Semester

Kaum ein Thema schreitet so schnell voran und verändert viele Bereiche der Berufswelt so stark wie die Künstliche Intelligenz. Nationale und internationale wissenschaftliche Communities (z.B. SIGKDD, ACM KI, GI FB-KI, etc. ) und Forschungsprojekte (u.a. die HS Osnabrück) tragen dazu bei, Forschungsergebnisse innerhalb und außerhalb wissenschaftlicher Vereinigungen in Form von Veröffentlichungen, Open Source/Open Data-Stellungen verfügbar zu machen.  Das Modul Fortgeschrittene KI-Technologien und Anwendungen vermittelt den Studierenden weiterführende Konzepte der Künstlichen Intelligenz mit einem Fokus im Bereich Machine Learning. Dabei werden aktuelle, wissenschaftlich relevante Entwicklungen im Gebiet der KI aufgegriffen und behandelt. Das Modul geht nicht nur auf die Theorie der KI-Entwicklung ein, sondern greift auch fortgeschrittene Konzepte und Werkzeuge (bspw. Daten- und Modellmanagement) auf, die zur Entwicklung und praktischen Anwendung von KI notwendig sind.

1. Überblick: KI, fortgeschrittene Modellbildung und Maschinelles Lernen

2. Weiterführende Architekturen (u.a. auf der Basis Neuronaler Netze)

3. Weiterführende Konzepte der KI-Entwicklung (bspw. MLOps)

4. Werkzeuge und Frameworks zur KI-Entwicklung

5. Aktuelle Entwicklungen im Bereich KI

6. Erprobung neuer technologischer Ansätze im Rahmen der Bearbeitung einer Forschungsfragestellung

Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").

• Hausarbeit

• experimentelle Arbeit oder
• regelmäßige Teilnahme

Die Auswahl der unbenoteten Prüfungsarten aus den vorgegebenen Optionen obliegt der jeweiligen Lehrperson. Diese hält sich dabei an die jeweils gültige Studienordnung.

Benotete Prüfungsleistung:

• Hausarbeit - Ausarbeitung ca. 15 Seiten, begleitender Vortrag ca. 10 Minuten

Unbenotete Prüfungsleistung:

• Experimentelle Arbeit: Experiment: insgesamt ca. 5 Versuche
• Regelmäßige Teilnahme: Anwesenheit von mind. 80% der Veranstaltung

In diesem Modul werden Kenntnisse aus dem Modul "Grundlagen der Künstlichen Intelligenz" sowie praktische Programmiererfahrungen vorausgesetzt. Ferner sollten Grundkenntnisse in Wahrscheinlichkeitsrechnung sowie fortgeschrittene Kenntnisse in den Bereichen Lineare Algebra sowie Analysis vorliegen. Der Fokus der Veranstaltung liegt auf der wissenschaftlich fundierten, aber dennoch anwendungsorientierten Vermittlung, sodass die Anwendung der mathematischen Kenntnisse im Fordergrund steht.

Studierende, die ihre Kenntnisse und Fertigkeiten vor Beginn des Moduls auffrischen möchten, wird eine Kontaktaufnahme mit der dozierenden Person empfohlen, um Zugriff auf entsprechendes, dem Semester angepasstes, Vorbereitungsmaterial zu erhalten. 

Empfohlen wird folgende Literatur: 

- Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow

Studierende, die dieses Fach erfolgreich studiert haben, kennen fortgeschrittene Konzepte, Methoden, Architekturen und Prozesse der KI-Entwicklung und können diese in komplexen Projekten einsetzen..

Die Studierenden vertiefen ihre Kenntnisse in ausgewählten Aspekten der KI-Entwicklung unter Zuhilfenahme aktueller Forschungsergebnisse.

Absolventinnen  und Absolventen kennen fortgeschrittene Konzepte, Algorithmen und Methoden der KI-Entwicklung. Sie sind in der Lage, diese anhand komplexer Aufgabenstellungen , auch unter Verwendung eines High-Performance-Clusters anzuwenden. 

Studierende, die dieses Modul erfolgreich absolviert haben, werden in die Lage versetzt, sich selbstständig in komplexe, neue Technologien in Bezug im Themenbereich KI einzuarbeiten. Dies umfasst sowohl die Entwicklung von KI-basierten Lösungen als auch die Anwendung / Inferenz von KI-Modellen oder -Lösungen. 

Absolventinnen und Absolventen erläutern Forschungsergebnisse und interpretieren diese kritisch. Die o.g. Forschungsfragestellung entstammt idealerweise einem Forschungsprojekt der Lehrperson 

Die Studierenden sind befähigt, die Verwendung wissenbasierter Algorithmen kritisch zu beurteilen und können diese mit Gruppenmitgliedern, Anwendern und Entwicklern im fachbezogenen Kontext kommunizieren. Sie binden Beteiligte unter der Berücksichtigung der jeweiligen Gruppensituation zielorientiert in Aufgabenstellungen ein. 

• Stiene, Stefan

• Stiene, Stefan
• Gervens, Theodor
• Tapken, Heiko