Künstliche Intelligenz

Kurscode:

MEC 205

Kursdauer:

Herbst

Kurstyp:

Wahlfach

Vorlesung:

2

Bewerbungszeit:

1

Laboratuvar Saati:

0

Kredit:

3

ECTS:

4

Kursname:

Almanca

Das Ziel der Lektion:

Den Studierenden die Grundlagen und Methoden über die künstliche Intelligenz beibringen, mit den erlernten Methoden die Fähigkeit zur praktischen Problemlösung einbringen.

Kursinhalt:

Die Grundlagen und Methoden von künstlicher Intelligenz, Phyton- Programmierung, neuronale Netzwerke und Grundlagen des Lernens.

Lehrmethoden des Kurses:

1. Unterrichtsmethode 2. Problemlösungsmethode 3. Frage/Antwort 4. Arbeiten im Labor 5. Arbeiten in der Werstatt 6. Projekte 7. Fallstudienmethode 8. Diskussionsmethode 9. Teamarbeit 10. Gastsprecher 11. Praesentationsmethode

Messmethoden des Kurses:

A. Zwischenprüfung B. Abschlussprüfung C. Anwesenheit D. Quiz E. Praesentation F. Hausaufgaben G. Projekte H. Praxis

Vertikale Reiter

Course Learning Outcomes

Lernergebnisse	Programm Lernergebnisse	Lehrmethoden	Messmethoden
1. Die Studierende haben die Kompetenz, die Grundlagen der Künstlichen Intelligenz zu lernen und bewerten.	1,6,12	1,2,3,4,10	A,B,C,D,F
2. Die Studierende besitzen die Befähigung zur Grundlagen und Einsatz von Phyton-Programm.	1,6,12	1,2,3,4,10	A,B,C,D,F
3. Die Studierende verfügen die Kompetenz darüber, wie die künstlich neuronalen Netzweke aufgebaut sind und wie die Informationen zum Computernetzwerk übertragen werden.	1,6,12	1,2,3,4,10	A,B,C,D,F
4. Die Studierende besitzen mit der Anwendung der künstlichen Intelligenz die Fähigkeit zur Bereitstellung der Algorithmen und Schemen für die Lösung von Problemen.	1,6,12	1,2,3,4,10	A,B,C,D,F
5. Die Studierende können die mit künstlicher Intelligenz erstellten Algorithmen im Computer mithilfe der Phyton-Codiesystem zusammenfassen.	1,6,12	1,2,3,4,10	A,B,C,D,F

Course Flow

	Wöchentliche Themenverteilung
Woche		Themen	Vorbereitungen
1		Grundlagen der künstlichen Intelligenz und historische Entwicklung
2		Grundlagen des Lernens
3		Anwendungsgebiete künstlicher Intelligenz
4		Die angewandten Problemlösungsmethoden an der künstichen Intelligenz
5		Einführung in die Problemlösungen und Algorithmen mit künstlicher Intelligenz
6		Logik und logische Inferenz erster Ordnung
7		Anwendung des Phyton-Programms mit den Grundlagen von künstlichen Intelligenz
8		Grundlagen von neuronalen Netzweken + Zwischenprüfung
9		Grundlagen von neuronalen Netzwerken
10		Entwicklung von neuronalen Netzwerken
11		Anwendungsgebiete von neuronalen Netzwerken
12		Neuronale Netzwerke Anwendungen
13		Phyton Programmiertypen und Programmierbeispiele
14		Vor- und rückwärts Verkettung
15		Abschlussprüfung

Recommended Sources

QUELLEN
Modulskripte	Vorlesungsfolien, Artifical Inttelligence : A.Modern Approach (S.Russel, P.Norvig)
Weitere Quellen	Grundkurs Künstliche Intelligenz (Springer Vieweg) Künstliche Intelligenz (Uwe Laemmel, J. Cleve) Künstliche Intelligenz (Yapay Zeka, Prof.Dr. Vasif Nabiyev)

Material Sharing

MATERIALTEILUNG
Dokumente	Vorlesungsfolien
Hausaufgaben	Problemlösen mit Anwendung von künstlicher Intelligenz, Praxis mit neuronalen Netzwerken
Prüfungen	Quiz, Zwischen- und Abschlussprüfung

Assessment

	BEWERTUNGSSYSTEM
HALBJAHR-AKTİVİTAETEN		ANZAHL	Gewichtung in Endnote (%)
Hausaufgaben		2	5
Anwesenheit		14	5
Quiz		2	10
Zwischenprüfung		1	30
Abschlussprüfung		1	50
Projekte
Summe			100
Beitrag der Abschlussprüfung			50
Beitrag der Halbjahraktivitäten			50
Summe			100

Course’s Contribution to Program

BEITRAG DES MODULS ZU DEN PROGRAMM-LERNERGEBNİSSEN
Nr.	Programm Lernergebnisse	Beitragsgrad
Nr.	Programm Lernergebnisse	1	2	3	4	5
1	Die Studierende können anhand der erlernten theoretischen und praktischen Kenntnissen die Probleme auf dem Gebiet Mechatronik analysieren und dafür Lösungsvorschläge unterbreiten				X
2	Die Studierende kennen die mechanischen, elektrischen und elektronischen Bauteile, die in der Industrie eingesetzt werden und können auch die für die Herstellung erforderlichen Methoden effektiv anwenden.
3	Die Studierende besitzen die Kompetenz, die mechatronische Systeme zu entwerfen und sie herzustellen.
4	Die Studierende erhaltendie Fähigkeit, die für die Mechatronik erforderlichen Software-und Hardware- kenntnisse in Verbindung mit den Informations- und Kommunikationstechnologien einzusetzen.
5	Die Studierende kennen alle Entwicklungsstadien eines mechatronischen Projektes vom Design bis zur Inbetriebnahme, sie können Bedarfsanalysen erstellen, ebenso Katalogdaten erfassen und anwenden.
6	Die Studierende kennen regelungstechnische Methoden von eiener einfachen Regelung bis hin zur Anwendung künstlicher Intelligenz und können ihren Einsatz in der Anwendung definieren.					X
7	Die Studierende können Fertigungsprozesse beschreiben, sie besitzen ausreichende Soft- und Hardware Kenntnisse für die Realisierung dieser Prozesse.
8	Die Studierende gewinnen die notwendigen fremdsprachlichen Fähigkeiten, um in der Lage zu sein effektiv zu kommunizieren und die Neuigkeiten im eigenen Bereich zu verfolgen.
9	Die Studierende können bei ihren Tätigkeiten selbständig Entscheidungen treffen, bei Kooperationenmit Partnern innerhalb oder außerhalb ihres Fachbereichs Verantwortung übernehmen und sich anpassen.
10	Die Studierende gewinnen Fähigkeiten, auf ihre Fachrichtung bezogenen die Prozesse in der Industrie und auf dem Dienstleistungssektor vor Ort zu untersuchen und anzuwenden.
11	Die Studierende absolvieren ihre Ausbildung mit dem notwendigen Wissen über die Arbeitssicherheit und -gesundheit, Umweltschutz und eignen sich das Qualitätsbewusstsein an.
12	Die Studierende begreifen die Notwendigkeit, die Entwicklungen in der Wissenschaft und Technologie zu verfolgen und sich kontinuierlich weiterzubilden.				X

ECTS

MODULKATEGORIE	Fachwissen / Pflichtfächer
ECTS / AUFWANDTABELLE
Aktivität	Anzahl	Dauer (Stunden)	Gesamtaufwand (Stunden)
Vorlesungszeit	14	3	42
Sebststudium (Vorbereitende Studie, Stärkung)	9	3	27
Hausaufgaben	2	4	8
Quiz	2	1	2
Zwischenprüfung	1	6	6
Abschlussprüfung	1	10	10
Projekte
Summe Arbeitsaufwand			95
Summe Arbeitsaufwand / 25 (h)			3,8
Modul ECTS Punkte			4

Suchformular