Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, die wesentlichen Anwendungsgebiete, Formalismen, und Methoden der probabilistischen Modellierung und Inferenz in der künstlichen Intelligenz abzugrenzen. 

Die LVA gibt einen Überblick über das Gebiet der probabilistischen Modellierung und Inferenz in der Künstlichen Intelligenz. Folgende Themen werden voraussichtlich behandelt: Grundkonzepte der Wahrscheinlichkeitstheorie; Bayes'sche Netze; probabilistische Logik; nichtmonotone probabilistische Inferenz; probabilistische Logikprogrammierung; Entscheidungstheorie; Planen unter Unsicherheit in Markov Decision Processes (MDPs) und Partially Observable Markov Decision Processes (POMDPs); Spieltheorie.

Lecture part with frontal lectures and practical part with solving exercises as a block (6 x 180 min) during the last two weeks in December (11.-21.12.2023) and the first week in January (8.-13.1.2024)).

The course will be given in English.

If necessary, the dates/times of the lectures will be adapted to the availability of the attendants, so registration is required during the given registration period. 

ECTS Breakdown

18.0 h preparation at home
18.0 h lectures/exercises in the lecture hall 
18.0 h exercise problems
20.0 h preparation for oral exams
  1.0 h oral exams
-----------------------------------------------
75.0 h = 3 ECTS

Solving exercise problems and oral exam at the end of the course. 

Your final grade results from your solutions to the given exercise problems and your performance at the final oral exam.

Stuart Russell and Peter Norvig. Artificial Intelligence: A Modern Approach. 2nd Edition, 2003. 

Further literature is announced during the course.

The lecture slides will be available online after the lectures. 

Requirements of this course: elementary knowledge in logic.