Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

050100 VU Künstliche Intelligenz (2016W)

3.00 ECTS (2.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik
Prüfungsimmanente Lehrveranstaltung

Zusammenfassung

1 Karagiannis , Moodle
2 Karagiannis , Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
An/Abmeldeinformationen sind bei der jeweiligen Gruppe verfügbar.

Gruppen

Gruppe 1

Die Aufteilung auf die beiden Gruppen erfolgt in der ersten Einheit.

max. 50 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Donnerstag 06.10. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 13.10. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 20.10. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 27.10. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 03.11. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 10.11. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 17.11. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 24.11. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 01.12. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 15.12. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 12.01. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 19.01. 08:00 - 09:30 Hörsaal 3, Währinger Straße 29 3.OG
  • Donnerstag 26.01. 13:15 - 14:45 Hörsaal 33 Hauptgebäude, 1.Stock, Stiege 7

Prüfungsstoff

Alle Inhalte, die in der Lehrveranstaltung diskutiert werden sind prüfungsrelevant. Materialien werden via Moodle zur Verfügung gestellt.

Gruppe 2

Die Aufteilung auf die beiden Gruppen erfolgt in der ersten Einheit.

max. 50 Teilnehmer*innen
Sprache: Deutsch
Lernplattform: Moodle

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Donnerstag 06.10. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 13.10. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 20.10. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 27.10. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 03.11. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 10.11. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 17.11. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 24.11. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 01.12. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 15.12. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 12.01. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 19.01. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG
  • Donnerstag 26.01. 13:15 - 14:45 Hörsaal 33 Hauptgebäude, 1.Stock, Stiege 7
  • Donnerstag 26.01. 15:00 - 16:30 Hörsaal 2, Währinger Straße 29 2.OG

Prüfungsstoff

Alle Inhalte, die in der Lehrveranstaltung diskutiert werden sind prüfungsrelevant. Materialien werden via Moodle zur Verfügung gestellt.

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Einführung in die künstliche Intelligenz: Historische Entwicklung und Grundbegriffe, Suchverfahren, Aussagen- und Prädikatenlogik; Softcomputing; Einführung Machine Learning

Art der Leistungskontrolle und erlaubte Hilfsmittel

Die Leistungskontrolle erfolgt durch einen schriftlichen Test (50%) am Ende des Semesters sowie 5 begleitende Übungsblätter, die termingerecht abzugeben sind (jeweils 10%). In Summe ergeben sich die maximal erreichbaren Punkte (100%).
Im Laufe des Semesters finden außerdem 2 unangekündigte Kurztests (jeweils 5%) statt, bei denen zusätzliche Punkte erzielbar sind.
Während den Tests sind keinerlei Hilfsmittel erlaubt. Da es sich bei dieser Lehrveranstaltung um eine VU handelt führt mehrmaliges (>= 3), unbegründetes Fehlen zu einer negativen Note.

Mindestanforderungen und Beurteilungsmaßstab

Um die Lehrveranstaltung positiv abzuschließen, sind mindestens 50% der maximal erreichbaren Punkte notwendig. Der Notenschlüssel ist wie folgt:
* sehr gut (1) >= 87,00%
* gut (2) >= 75,00%
* befriedigend (3) >= 62,00%
* genügend (4) >= 50,00 %
* nicht genügend (5) < 50,00 %

Literatur

Folien zur Vorlesung verfügbar in Moodle

Dimitris Karagiannis, Rainer Telesko (2001), Wissensmanagement: Konzepte der künstlichen Intelligenz und des Softcomputing

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Mo 07.09.2020 15:29