1. Hauptnavigation
  2. Navigation des Hauptbereiches
  3. Inhalt der Seite

Lehrveranstaltungen im SS

Theoretische Informatik


Inhalte:

  • Reguläre Sprachen: Endliche Automaten, reguläre Ausdrücke.
  • Kontextfreie Sprachen: Kellerautomaten, Grammatiken, Syntaxanalyse.
  • Berechenbarkeit und Komplexität: Entscheidbarkeit, Klassen P und NP.

Literatur:

Die Übungen finden ab dem 3. April statt.

Aufgaben

Künstliche Intelligenz

Inhalte:

  • Prädikatenlogik
  • Prolog-Programmierung
  • Computeralgebra
  • Sprachverarbeitung
  • Planungsprobleme
  • Problemlösen durch Suche, A*-Suche
  • Bayes'sche Netze
  • Naiver Bayes Klassifikator

Literatur:

  • Wolfgang Ertel: Grundkurs Künstliche Intelligenz
  • Uwe Schöning: Logik für Informatiker
  • Stuart J. Russell und Peter Norvig: Artificial Intelligence: A Modern Approach
  • William F. Clocksin und Christopher S. Mellish: Programming in Prolog

Materialien:

Die Praktika finden in der erste Woche noch nicht statt.

Programmierparadigmen

Am Beispiel der Programmiersprache Scala werden die Grundlagen der funktionalen Programmierung behandelt. Als Anwendung werden in den Übungen Algorithmen auf rekursiven Datenstrukturen implementiert.

Inhalt:

  • Funktionen höherer Ordnung
  • Pattern Matching
  • Algebraische Datentypen
  • Lazy Evaluation
  • Monaden

Regelung zur PVL: Die PVL besteht aus mehreren, aufeinander aufbauenden Teilaufgaben. 

  1. Aufgabe, Abgabe 2.5.: Programmieren Sie einen Auswerter für Ausdrücke, die als algebraischer Datentyp gegeben sind. Die Ausdrücke enthalten die Operatoren +,-,*,/, Konstanten, Variablen und Zuweisungen an Variablen.
  2. Aufgabe, Abgabe 16.5.: Programmieren Sie einen Auswerter für Ausdrücke, die als String gegeben sind. Dazu sind zu programmieren: Ein Tokenizer und ein rekursiver Abstiegsparser für Ausdrücke. Assoziativität und Priorität der Operatoren sind zu beachten. Der Parser muss als Ergebnis einen algebraischen Datentyp liefern, der den Syntaxbaum darstellt. Die Programme müssen funktional implementiert sein, imperative Konstrukte sind nicht erlaubt. Beispiel für eine Eingabe: "x=2,y=3,3*(x+y)/2".

Maschinelle Lernverfahren

Inhalte:

  • Überwachte Lernverfahren (Nearest Neighbor, Bayes, Entscheidungsbäume, Wälder, SVM)
  • Clusterverfahren
  • Sequenzklassifikation (HMM, MEMM)
  • Gütemaße

Literatur:

  • Hastie et al: The Elements of Statistical Learning.
  • Géron: Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow.
  • Jurafsky / Martin: Speech and Language Processing.

Achtung: Die Lehrveranstaltung findet wegen einer Exkursion von Prof. Wacker erst ab dem 26.3. statt.

Aktualisiert: 02.05.2019