inf535 - Computational Intelligence I (Vollständige Modulbeschreibung)

inf535 - Computational Intelligence I (Vollständige Modulbeschreibung)

Originalfassung Englisch PDF Download
Modulbezeichnung Computational Intelligence I
Modulkürzel inf535
Kreditpunkte 6.0 KP
Workload 180 h
Einrichtungsverzeichnis Department für Informatik
Verwendbarkeit des Moduls
  • Master Applied Economics and Data Science (Master) > Data Science
  • Master Engineering of Socio-Technical Systems (Master) > Embedded Brain Computer Interaction
  • Master Engineering of Socio-Technical Systems (Master) > Human-Computer Interaction
  • Master Engineering of Socio-Technical Systems (Master) > Systems Engineering
  • Master Informatik (Master) > Angewandte Informatik
  • Master Umweltmodellierung (Master) > Mastermodule
  • Master Wirtschaftsinformatik (Master) > Akzentsetzungsmodule der Informatik
Zuständige Personen
  • Kramer, Oliver (Modulverantwortung)
  • Lehrenden, Die im Modul (Prüfungsberechtigt)
Teilnahmevoraussetzungen
Grundlagen der Statistik
Kompetenzziele
Nach erfolgreichem Abschluss der Lehrveranstaltung sollen Studierende die Fähigkeit erworben haben, die vorgestellten Methoden sicher in Theorie und Praxis zu beherrschen. Dabei sollen entsprechende Problemstellungen der Optimierung und Datenanalyse von den Studierenden selbst erkannt, modelliert und die Methoden zielsicher eingesetzt werden.

Fachkompetenzen
Die Studierenden:
  • erkennen Optimierungsprobleme
  • implementieren einfache Algorithmen der heuristischen Optimierung - diskutieren kritisch Lösungsansätze und Methodenauswahl
  • vertiefen bekannte Kenntnisse aus Analysis und linearer Algebra
Methodenkompetenzen
Die Studierenden:
  • vertiefen Programmierkenntnisse
  • wenden Modellierungsfähigkeiten an
  • lernen den Zusammenhang zwischen Problemklasse und Methodenauswahl
Sozialkompetenzen
Die Studierenden:
  • implementieren gemeinsam in der Vorlesung vorgestellte Algorithmen
  • evaluieren eigene Lösungen und vergleichen diese mit denen Ihrer Kommilitonen
Selbstkompetenzen
Die Studierenden:
  • schätzen ihre Fach und Methodenkompetenz im Vergleich zu Kommilitonen ein.
  • erkennen die eigenen Grenzen passen ihr eigenes Vorgehen unter Bezugnahme der Methodenkompetenzen an nötige Anforderungen an
Modulinhalte
Das Gebiet der Computational Intelligence umfasst intelligente und lernfähige Verfahren zur Optimierung und Datenanalyse. Schwerpunkt der Lehrveranstaltung "Computational Intelligence I" sind Methoden der evolutionären Optimierung und heuristischen Algorithmen. In den Übungen werden praktische Aspekte der Implementierung und Anwendung der Verfahren anhand beispielhafter Aufgabenstellungen vorgestellt und vertieft.
Die Inhalte der Vorlesung umfassen im Einzelnen:
  • Grundlagen der Optimierung
  • genetische Algorithmen und Evolutionsstrategien
  • Parametersteuerung und Selbstadaptation
  • Laufzeitanalyse
  • Schwarmalgorithmen
  • restringierte Optimierung 
  • Mehrzieloptimierung
  • Meta-Modelle
Literaturempfehlungen
  • EIBEN, A. E.; SMITH, J. E.: Introduction to Evolutionary Computing. Springer, 2003
  • KENNEDY, J.; EBERHART, R.C.; YUHUI, S.: Swarm Intelligence. Morgan Kaufmann, 2001
  • KRAMER, O.: Computational Intelligence. Springer, 2009
  • RUTKOWSKI, L.: Computational Intelligence
  • Methods and Techniques. Springer, 2008
  • ROJAS, R.: Theorie der neuronalen Netze: Eine systematische Einführung. Springer, 1993
Links
Unterrichtsprachen Englisch, Deutsch
Dauer in Semestern 1 Semester
Angebotsrhythmus Modul jährlich
Aufnahmekapazität Modul unbegrenzt
Lehr-/Lernform 1VL + 1Ü
Vorkenntnisse - Grundlagen der Statistik
Lehrveranstaltungsform Kommentar SWS Angebotsrhythmus Workload Präsenz
Vorlesung 2 WiSe 28
Übung 2 WiSe 28
Präsenzzeit Modul insgesamt 56 h
Prüfung Prüfungszeiten Prüfungsform
Gesamtmodul
Am Ende der Vorlesungszeit
Mündliche Prüfung oder Klausur