Und dann auf "Zum Home-Bildschirm [+]".
Stöbern
genialokal zum Startbildschirm hinzufügen
Installieren Sie die genialokal App auf Ihrem Startbildschirm für einen schnellen Zugriff und eine komfortable Nutzung.
Installieren Sie die genialokal App auf Ihrem Startbildschirm für einen schnellen Zugriff und eine komfortable Nutzung.
Alle Teilgebiete der KI werden mit dieser Einführung kompakt, leicht verständlich und anwendungsbezogen dargestellt. Hier schreibt jemand, der das Gebiet nicht nur bestens kennt, sondern auch in der Lehre engagiert und erfolgreich vertritt. Von der klassischen Logik über das Schließen mit Unsicherheit und maschinelles Lernen bis hin zu Anwendungen wie Expertensysteme oder lernfähige Roboter.
Sie profitieren von dem umfassenden Einblick in dieses faszinierende Teilgebiet der Informatik, wobei abgesehen von grundlegenden Programmierkenntnissen sowie etwas Mathematik alle Voraussetzungen für ein gutes Verständnis bereitgestellt werden. Sie gewinnen vertiefte Kenntnisse, z. B. hinsichtlich der wichtigsten Verfahren zur Repräsentation und Verarbeitung von Wissen. Vor allem steht der Anwendungsbezug im Fokus der Darstellung. Viele Übungsaufgaben mit Lösungen sowie eine strukturierte Liste mit Verweisen auf Literatur und Ressourcen im Web ermöglichen ein effektives und kurzweiliges Selbststudium.
Für die 2. Auflage wurden zum besseren Verständnis Erklärungen ergänzt, Beschreibungen verbessert und um Abbildungen vervollständigt sowie wichtige aktuelle Strömungen aus Forschung und Anwendungen skizziert.
Dr. Wolfgang Ertel ist Diplom-Physiker und arbeitet seit 1987 in KI-Forschungsprojekten. Seit 1994 ist er Professor an der Hochschule Ravensburg-Weingarten und hält Vorlesungen zur KI. 2006 erhielt er den Landeslehrpreis und seit 2008 leitet er ein Forschungsprojekt über lernfähige intelligente Steuerungen für Serviceroboter.
Einführung.- Aussagenlogik.- Prädikatenlogik erster Stufe.- Grenzen der Logik.- Logikprogrammierung mit PROLOG.- Suchen, Spielen und Probleme lösen.- Schließen mit Unsicherheit.- Maschinelles Lernen und Data Mining.- Neuronale Netze.- Lernen durch Verstärkung (Reinforcement Learning).- Lösungen zu den Übungen.
