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

059100 VO Machines That Understand? Large Language Models and Artificial Intelligence (2023W)

5.00 ECTS (2.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Für diese LV an-/abmelden

Details

Sprache: Deutsch, Englisch

Prüfungstermine

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Lecture website with more information:
https://dm.cs.univie.ac.at/teaching/machines-that-understand/

October 5, 2023
Eröffnung und Paneldiskussion:
“Was bedeutet Generative KI für Hochschule und Gesellschaft?” (Deutsch, Hörsaal 1)
Expert*innen:
Dagmar Gromann, Matthias Leichtfried, Claudia Plant
Moderation: Benjamin Roth

Opening and panel discussion
“Was bedeutet Generative KI für Hochschule und Gesellschaft?” (German, Hörsaal 1)
Experts: Dagmar Gromann, Matthias Leichtfried, Claudia Plant
Moderation: Benjamin Roth

October 12, 2023
Introductory Lecture (Anna Beer, Claudia Plant / Benjamin Roth, English, Hörsaal 1)

October 19, 2023
Invited Talk: Dirk Hovy, Bocconi University, Milan / Italy
“Unhumanizing Models. Why we Need to Change how We Think about AI” (English, online)

November 9, 2023
Invited Talk: Alexander Koller, Saarland University, Saarbrücken / Germany

November 16, 2023
Invited Talk: Sepp Hochreiter, JKU Linz
“Memory Architectures for Deep Learning” (English, Hörsaal 1)

November 23, 2023
Invited Talk: Nikolaus Forgo, Universität Wien
“Die EU als "regulatory superpower"? Überlegungen zur europäischen KI-Regulierung.” (German, Hörsaal 1)

November 30, 2023
Invited Talk: Plank Barbara, Ludwig-Maximilians-Universität München, Munich / Germany
(English, Hörsaal 1)

December 7, 2023
Invited Talk: Ondrej Dusek, Charles University, Prague / Czechia
Topic: Dialogue Systems
(English, Hörsaal 1)

December 14, 2023
Invited Talk: Pavlopolus John, Athens University of Economics and Business, Athens / Greece
“Machine Learning for Ancient Languages”
(English, Hörsaal 1)

January 11, 2024
Invited Talk: Asia Biega, Max Planck Institute for Security and Privacy, Bochum / Germany
“Data Protection in Data-Driven Systems”
(English, Hörsaal 1)

January 18, 2024
Revision of the lecture topics, question and answer session (Anna Beer / Claudia Plant / Benjamin Roth)
(English, Hörsaal 1)

January 25, 2024
Klausur, Hörsaal 1

  • Donnerstag 05.10. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 12.10. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 19.10. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 09.11. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 16.11. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 23.11. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 30.11. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 07.12. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 14.12. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 11.01. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß
  • Donnerstag 18.01. 16:45 - 18:15 Hörsaal 1 Oskar-Morgenstern-Platz 1 Erdgeschoß

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ziel der Ringvorlesung ist es, aktuelle Entwicklungen im Bereich der generativen künstlichen Intelligenz verständlich zu machen und einen informierten Dialog über die Fähigkeiten, Beschränkungen und die gesellschaftliche Relevanz dieser Modelle anzuregen.
Dazu werden hochkarätige internationale Forschende eingeladen, um ihre aktuelle Forschung einer breiten universitären Öffentlichkeit zu präsentieren. Neben technischen Aspekten sind Themen insbesondere Fragestellungen zu Fairness und Verantwortlichkeit bei KI Modellen, und die Bedeutung der KI für den breiteren Hochschulkontext, z.B. im Bereich der Digital Humanities.

Zu jedem Vortrag wird den Teilnehmenden eine Woche vorher eine Lektüreempfehlung mit Hintergrundwissen zum folgenden Vortrag gegeben. Auf der Lernplattform Moodle werden zu jedem Vortrag 2-4 Übungsaufgaben zum Self-Assessment bereitgestellt, die aus dem Vortrag und der Lektüreempfehlung beantwortet werden können, und für die ein Lösungsvorschlag und Erklärungen angezeigt werden, wenn sie bearbeitet wurden. In der letzten Einheit des Semesters gibt es eine schriftliche Klausur mit Fragen, die sich an den Übungsaufgaben aus Moodle orientieren.

Art der Leistungskontrolle und erlaubte Hilfsmittel

In der schriftlichen Prüfung am Ende des Semesters müssen mindestens 50% der möglichen Punkte erreicht werden. Die Fragen orientieren sich an den Übungsaufgaben aus Moodle.

Mindestanforderungen und Beurteilungsmaßstab

In der schriftlichen Prüfung am Ende des Semesters müssen mindestens 50% der möglichen Punkte erreicht werden. Es gilt das folgende Notenschema in Abhängigkeit der erreichbaren Punkte:

90%-100% der Punkte: Note 1
80%- <90% der Punkte: Note 2
65%- <80% der Punkte: Note 3
50%- <65% der Punkte: Note 4
<50% der Punkte: nicht bestanden

Prüfungsstoff

In der schriftlichen Prüfung müssen Fragen zu den Themen der Vorträge beantwortet werden.

Literatur

Jede Woche werden Lektüreempfehlungen zur Vorbereitung auf den nächsten Vortrag bekannt gegeben.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Fr 16.02.2024 09:25