In diesem Modul werden Sie mit den verschiedenen Begriffen zur Problemlösung in der Künstlichen Intelligenz und den Schritten zur Problemlösung vertraut gemacht. Sie erhalten einen Einblick in die Bedeutung von Produktionssystemen, ihre Komponenten und ihre wichtigsten Merkmale. Anhand von Beispielen für Probleme der Künstlichen Intelligenz werden Sie in der Lage sein, die Rolle der Künstlichen Intelligenz bei der Entwicklung intelligenter Maschinen zur Lösung von Problemen in der realen Welt zu verstehen. In dem Modul werden auch die verschiedenen Problemkategorien auf der Grundlage ihrer Natur im Detail beschrieben.

Diese Bewertung ist ein benotetes Quiz, das auf den in dieser Woche behandelten Modulen basiert.

In diesem Modul lernen Sie die grundlegenden Konzepte von Suchproblemen, Suchbäumen, Suchprozessen, Sucharten und die Kriterien zur Bewertung von Suchstrategien kennen. Das Modul behandelt auch den Algorithmus von vier uninformierten Suchtechniken. Sie erhalten eine Einführung in die Breitensuche und die Tiefensuche sowie in deren Anwendungen. Außerdem erhalten Sie Einblicke in die iterative Vertiefung und die bidirektionalen Suchtechniken sowie deren Vor- und Nachteile.

In diesem Modul lernen Sie die informierten Suchtechniken kennen, die in der Künstlichen Intelligenz verwendet werden. Informierte Suchtechniken folgen einem geführten Prozess, um ein bekanntes Ziel zu erreichen, daher werden sie auch als geführte Suche oder heuristische Suche bezeichnet. Sie werden auch heuristisches Wissen und heuristische Funktionen studieren. Außerdem werden Sie verschiedene informierte Suchtechniken kennen lernen und die wichtigsten Merkmale dieser Techniken erfahren.

In diesem Modul werden Sie die Notwendigkeit und Bedeutung der Wissensdarstellung und der damit verbundenen Konzepte verstehen. Sie lernen die verschiedenen Arten von Wissen kennen, die in der Künstlichen Intelligenz eine Rolle spielen. Sie werden auch verstehen, wie Wissen in verschiedenen Szenarien erworben, erstellt und gespeichert wird. Das Modul behandelt auch die Organisation von Wissen. Darüber hinaus erhalten Sie einen Einblick in die Konzepte des Wissensmanagements und die Prinzipien und Praktiken des Knowledge Engineering.

In diesem Modul werden Sie das Konzept der Logik verstehen, einer formalen Sprache, die zur Darstellung von Wissen und Fakten verwendet wird. Es gibt zwei Arten von Logik im Bereich der KI: Aussagenlogik und Prädikatenlogik. Dies sind die am weitesten verbreiteten Techniken zur Wissensdarstellung. Diese Methoden werden verwendet, um reale Fakten in Form von Sprache darzustellen, die Wörter, Phrasen und Sätze verwendet, um Eigenschaften und Beziehungen in der Welt darzustellen und darüber nachzudenken. In diesem Modul werden Sie diese Methoden im Detail studieren.

Diese Bewertung ist ein benotetes Quiz, das auf den in dieser Woche behandelten Modulen basiert.

In diesem Modul lernen Sie die Probleme der Künstlichen Intelligenz kennen, die mit Spielstrategien gelöst werden. Sie werden lernen, wie das Spielen den Entscheidungsträgern hilft. Sie werden auch das Konzept der kontradiktorischen Suche und verschiedene Arten von Spielen verstehen. Außerdem werden Sie lernen, wie man ein Spiel mit Hilfe der MIN-MAX-Strategie angeht. Schließlich werden Sie lernen, wie man ein Spiel mit der Alpha-Beta-Beschneidungsstrategie löst.

In diesem Modul lernen Sie die Konzepte des Schlussfolgerns mit Ungewissheit, Quellen von Ungewissheiten und die Darstellung von unsicherem Wissen kennen. Es umfasst auch verschiedene Arten von Schlussfolgerungen wie monotone, nicht-monotone und probabilistische Schlussfolgerungen. Anhand von Beispielen, die die komplizierten Konzepte von Schlussfolgerungen und deren Handhabung verdeutlichen, erhalten Sie Einblicke in diese.

Diese Bewertung ist ein benotetes Quiz, das auf den in dieser Woche behandelten Modulen basiert.

In diesem Modul werden Sie die Definition, die Geschichte und die Konzepte der Verarbeitung natürlicher Sprache (NLP) verstehen. NLP ist der Teil der Künstlichen Intelligenz, der untersucht, wie Menschen mit Maschinen kommunizieren. Sie lernen die Phasen von NLP und die Herausforderungen kennen, die sich im Prozess der NLP ergeben. Außerdem erhalten Sie Einblicke in verschiedene Parsing-Techniken. Außerdem lernen Sie etwas über Netzwerke im NLP.

In diesem Modul lernen Sie das Konzept des Lernens und der Planung im Bereich der KI kennen. Jedes intelligente System muss in irgendeiner Form oder bis zu einem gewissen Grad über ein Verständnis verfügen. Planung ist wichtig, da alle Aktionen, die zur Lösung eines Problems erforderlich sind, vor ihrer Anwendung geplant werden müssen, um das gewünschte Ergebnis zu erzielen. All diese Aspekte werden in diesem Modul vertieft. Sie werden auch einige wichtige Lernalgorithmen studieren, nämlich genetische Algorithmen, Neuronale Netzwerke und Entscheidungsbäume.

In diesem Modul werden wir das Konzept der Klassifizierung im Maschinellen Lernen erörtern. Algorithmen zur Klassifizierung werden verwendet, um Ideen und Objekte in vorgegebene Kategorien oder Sub-Populationen einzuordnen. Unter Verwendung verschiedener vorkategorisierter Trainingsdaten gruppieren die Algorithmen zur Klassifizierung zukünftige Datensätze in Kategorien. Das Studium der Klassifizierung im Bereich des Maschinellen Lernens ist sehr umfangreich. Sie werden drei wichtige Algorithmen zur Klassifizierung kennen lernen, nämlich Naive Bayes, Support Vector Machines und K-Means Clustering. Außerdem lernen Sie kurz einen Algorithmus kennen, der auf Fuzzy-Logik basiert.

Das Hauptziel der Künstlichen Intelligenz besteht darin, Expertensysteme zu entwickeln, mit denen sich reale Probleme wirksam und wirtschaftlich lösen lassen. Expertensysteme sind nichts anderes als intelligente Systeme, die in einem begrenzten Bereich arbeiten. In diesem Modul werden verschiedene Themen im Zusammenhang mit der Entwicklung von Expertensystemen vorgestellt.

Diese Bewertung ist ein benotetes Quiz, das auf den in dieser Woche behandelten Modulen basiert.

Nachbereitung des Kurses