184.768 Preferences in Artificial Intelligence
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2020S, VU, 2.0h, 3.0EC, wird geblockt abgehalten

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage:

  • ... die Rolle von Präferenzen in Künstlicher Intelligenz einzuordnen.
  • ... Präferenzdaten in Computersystemen zu repräsentieren.
  • ... Präferenzen in ausgewählten Wissensrepresentationsformalismen zu integrieren.
  • ... verschiedene Aggregationsmethoden anzuwenden und zu analysieren.
  • ... wissenschaftliche Arbeitstechniken in einem forschungsnahen Projekt anzuwenden.

Inhalt der Lehrveranstaltung

Preferences are ubiquitous. They determine our decisions, from simple everyday decisions (such as having tea or coffee, ordering another glass of beer) to much more fundamental decisions (such as accepting a job offer, getting married, political participation). Preferences also play a tremendous role in many applications, such as logic programming, multi-agent systems, diagnosis etc. Given this, it is far from surprising that various subfields of artificial intelligence (AI) have come up with models for representing preferences and for reasoning and decision making based on these models. Whereas classical decision theory is based on a numerical representation of preferences (utilities), more recently qualitative as well as mixed qualitative/quantitative models of preferences have been a major focus of research.

The course will present the most influential preference models developed in various subfields of AI. In particular, it will cover preferences in constraint reasoning, CP nets, preferences in nonmonotonic reasoning, and the role of preferences in belief change. Moreover, we will explore the challenges of joint decision making based on preferences, a central problem in multi-agent systems.

Methoden

Die Lehrveranstaltung besteht aus zwei Teilen. Im Vorlesungsteil (6 Einheiten) werden die notwendigen Grundlagen und Methoden vorgestellt sowie eine Einführung in die aktuelle Forschung geboten. Im zweiten Teil werden die Studierenden die Methoden und Konzepte im Rahmen von Projekten anwenden. Diese Projekte können entweder mit theoretischen Fragestellungen oder Implementierungsaufgaben bestehen. Im Zuge der Projekte wird ein Einblick in die aktuelle Wissenschaftsliteratur vermittelt und die Möglichkeit gegeben, an aktuellen Forschungsfragen mitzuarbeiten.

 

 

ECTS Aufteilung: 3 ECTS = 75 Stunden

Vorlesung 15h
Übungsblatt 15h
Projekt 45h


Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

ECTS Aufteilung: 3 ECTS = 75 Stunden

Vorlesung 15h
Übungsblatt 15h
Projekt 45h



Vortragende

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Mo.15:00 - 16:0020.04.2020Seminarraum FAV EG C (Seminarraum Gödel) Kick-Off
LVA wird geblockt abgehalten

Leistungsnachweis

  1. Ausarbeitung eines Übungsblatts zum Vorlesungsteil
  2. Abgabe eines Projekts

LVA-Anmeldung

Nicht erforderlich

Curricula

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

Die Lehrveranstaltung richtet sich an Master und Doktoratsstudierende mit einem Hintergrund in formaler Logik und Komplexitätstheorie. Grundlegende Kenntnisse in Wissensrepresentation und/oder Künstliche Intelligenz sind hilfreich (aber nicht zwingend notwendig)

 

Sprache

bei Bedarf in Englisch