Di Maria

Melanie Di Maria

Tel. 0951 - 863 2699 

Email: bamberg@vawi.de

Studiengangmanagement Bamberg
Universität Bamberg | Studiencenter VAWi

An der Weberei 5
96047 Bamberg  


Universität Bamberg

Virtueller Weiterbildungsstudiengang Wirtschaftsinformatik (VAWi)
Fakultät für Wirtschaftsinformatik und Angewandte Informatik

An der Weberei 5
96047 Bamberg
* Pflichtfeld
Weichelt

Dr. Thomas Weichelt

Tel. 0201 - 183 3001

Email: essen@vawi.de

Studiengangmanagement Essen
Universität Duisburg-Essen | Studiencenter VAWi

Universitätsstraße 9
45141 Essen


Universität Duisburg-Essen

Virtueller Weiterbildungsstudiengang Wirtschaftsinformatik (VAWi)
Fakultät für Wirtschaftswissenschaften

Universitätsstraße 9
45141 Essen
* Pflichtfeld

Artificial Intelligence und Artificial Life

Dozentin & Tutor

Dozentin:
PD Dr. Christina Klüver

Tutor:
Prof. Dr. Jürgen Klüver

Universität Duisburg-Essen

Fakultät für Wirtschaftswissenschaften
Lehrstuhl für Forschungsgruppe Computer Based Analysis of Social Complexity (COBASC)
http://www.uni-due.de/cobasc/

 

Einordnung, Turnus & Sprache

Turnus:
Sommersemester

Einordnung:
Modelle und Methoden zur Entscheidungsunterstützung

Sprache:
Deutsch

Lehrformen & Medienformen

Für dieses Modul steht eine internetbasierte Lernumgebung für die Durchführung der Lehr-/Lernprozesse und der Lernunterstützungsprozesse zur Verfügung. Dabei erfolgt die Betreuung der Studierenden durch die Lehrenden über asynchrone (Foren, E-Mail) und synchrone (Chat, Telefon, Online-Konferenzen) Kommunikationswerkzeuge. Diese stehen auch für die Kommunikation der Studierenden untereinander zur Verfügung.

Die Studierenden werden beim Wissenserwerb durch folgende elektronische Selbstlernmedien unterstützt:
Skript.

Zudem wird der Aufbau von Fertigkeiten und Kompetenzen insbesondere gefördert durch:
Übungen/Transferaufgaben zur Selbstkontrolle, Fallstudien, tutoriell betreute Aufgabenbearbeitung, Gruppenarbeit, Toolunterstützung (Shells für eigene Simulationen).

Die Studierenden werden mit den unterschiedlichen Methoden vertraut gemacht und intensivieren das erworbene Wissen anhand von Übungen. Fortgeschrittene Studierende können auf der Basis der benannten mathematischen Modelle eigene Programme entwickeln, die unter anderem wirtschaftswissenschaftliche Problemstellungen enthalten sollen. Dadurch wird die Praxisrelevanz gewährleistet. Für die Modellentwicklung und Simulationen (auch) im Rahmen der Transferaufgaben stehen für Nichtprogrammierer Shells zur Verfügung.

Arbeitsaufwand, ECTS-Credits & Zuordnung

Arbeitsaufwand
40-50h: Selbststudium
83h: Aufgabenbearbeitung
2h: Abschlussprüfung
125-135h: Gesammt

ECTS-Credits
VAWi 2.0: 5,0

Zuordnung:
5% Wirtschaftswissenschaften
50% Informatik
20% Kerngebiete der Wirtschaftsinformatik
25% allg. Grundlagen & Schlüsselqualifikationen

Voraussetzungen

  • Programmierkenntnisse in einer gebräuchlichen Sprache, z.B. C++, C#, JAVA
  • Interesse an Modellbildung

Angestrebte Lernergebnisse

Die Studierenden haben einen umfassenden überblick über die Grundlagen und Methoden aus dem Bereich Artificial Intelligence und Artificial Life und können diese Kenntnisse durch eigene Modelle und/oder Programme konkretisieren sowie auf komplexe Problemstellungen aus ihrem beruflichen Kontext anwenden.

Fachliche Kompetenzen:

Die Studierenden sind dazu in der Lage, komplexe Sachverhalte zu verstehen, Lösungspotenziale der Methoden der Artificial Intelligence und Artificial Life in unterschiedlichen Anwendungsbereichen zu identifizieren und eigene Modelle/Lösungen unter Nutzung ausgewählter Methoden zu entwickeln.

Soziale Kompetenzen:

Kommunikative Kompetenzen, Teamarbeit

 

Studienempfehlungen

Die Bearbeitung der optionalen semesterbegleitenden Studienleistungen wird – auch im Sinne einer frühzeitigen und kontinuierlichen Vorbereitung auf die Abschlussklausur – ausdrücklich empfohlen. Es können bis zu 18 zusätzliche Punkte erworben werden.

Inhalte & Gliederung

Im Modul " Artificial Intelligence und Artificial Life " werden formale Methoden behandelt, die möglichst eng an Vorbildern aus der biologischen, physikalischen und sozialen Realität orientieren. Dazu gehören vor allem die Berücksichtigung von Unschärfen und adaptiven Anwendungsbeispielen sowie die Kombinationen verschiedener Methoden (hybride Systeme).

  • Zellularautomaten und Boolesche Netze
  • Fuzzy‐Mengenlehre
  • Evolutionäre Algorithmen
  • Künstliche Neuronale Netze

 

Studien- und Prüfungsleistungen

  • Klausur [90 Minuten/ 90 Punkte/ 100%]
  • Ggf. Bonus durch vier (4) nachgewiesene optionale Studienleistung [ 18 Punkte / 20 %]

Der Bonus kann nur angerechnet werden, wenn in der Klausur mindestens 45 Punkte erreicht sind und die optionale semesterbegleitende Studienleistung durch Abgabe / Einreichen der Lösung zur Aufgabenbearbeitung nachgewiesen ist. Die Bestnote (1,0) kann ohne den Bonus erreicht werden.

Literatur

  • Klüver, J., Schmidt, J., Stoica, C. 2012: Mathematisch‐logische Grundlagen der Informatik. Von der Aussagenlogik zur Komplexitätstheorie. Bochum‐Herdecke: w3l 2. Erweiterte Auflage.
  • Schmidt, J., Klüver, C., Klüver, J. 2010: Programmierung naturanaloger Verfahren. Soft Computing verwandte Methoden: Wiesbaden: Vieweg+Teubner.
  • Klüver, C., Klüver, J., Schmidt, J., 2012: Die Modellierung von Komplexität durch naturanaloge Verfahren: Soft Computing und verwandte Methoden. Wiesbaden: Vieweg+Teubner, 2. Erweiterte Auflage.
  • Klüver, C., Klüver J., 2011: IT‐Management durch KI‐Methoden und andere naturanaloge Verfahren. Wiesbaden: Vieweg‐Teubner.
  • Zellularautomaten: Gerhard, M., Schuster, H., 1995: Das digitale Universum. Zelluläre Automaten als Modelle der Natur. Wiesbaden: Vieweg.
  • Boolsche Netze: Kauffman, S., 1995: Der öltropfen im Wasser. München: Piper Verlag.
  • Fuzzy‐Logik: Traeger, D.H., 1994: Einführung in die Fuzzy‐Logik. Stuttgart: Teubner Verlag.
  • Evolutionäre Algorithmen: Schöneburg, E., Heinzmann, E., Feddersen, S., 1994: Genetische Algorithmen und Evolutionsstrategien. Eine Einführung in Theorie und Praxis der simulierten Evolution. Bonn: Addison‐Wesley.
  • Neuronale Netze: Schöneburg, E., Hansen, N., Gawelczyk, A., 1992: Neuronale Netzwerke: Einführung, überblick und Anwendungsmöglichkeiten. München: Markt & Technik
  •  

Das Modul Artificial Intelligence und Artificial Life ersetzt das Modul Soft Computing, das im SS2017 letztmalig angeboten wurde. Diese sind äquivalent und ECTS‐Credits können nur aus einem der beiden Module / Kurse erworben werden.

 

© 2019 VAWi, Alle Rechte vorbehalten. Impressum | Datenschutz Anmelden