Vorschaubild

VISKI - Visuelle Künstliche Intelligenz

Organisatorisches

  • Die Anmeldung erfolgt via Klips: https://klips.uni-koblenz.de/v/162403
  • Übungen: Die Übung in der ersten Woche wird ein kleines Python-Tutorial sein. Die regulären Übungen starten dann in der zweiten Woche. Es wird in der ersten Woche aber das erste Übungsblatt augegeben, das dann bis zum 27.04. bearbeitet werden soll. Die Abgaben zu den Übungsblättern sind Zulassungsvoraussetzung für die Prüfung.
  • Vorlesung: Die Vorlesung startet in der ersten Vorlesungswoche, am 16.04. um 16:15 Uhr.
  • Die Materialien und Übungen werden über OLAT organisiert. Der Zugang zum Kurs wird in der ersten Vorlesungswoche ermöglicht.
  • Aktuell: Der FASL hat bestätigt, dass das Modul auch von Studierenden der Wirtschaftsinformatik belegt werden kann.

Zielgruppe

Die Lehrveranstaltung ist für Bachelorstudierende konzipiert, die bisher noch gar keinen oder nur sehr geringen Kontakt zu KI-Methoden im Studium hatten.

Da es auch es Masterstudierende geben könnte, für die das zutrifft, besteht auch die Möglichkeit, sich das Modul im Master anrechnen zu lassen.

Die Zielgruppe des Moduls sind ausdrücklich Studierende ohne Vorkenntnisse im Bereich KI und Maschinelles Lernen. Vorkenntnisse im Bereich des Visuellen, also insbesondere Bildverarbeitung, und der Programmierung mit Python sind jedoch hilfreich.

Inhalt

Das Modul ist eine Einführungsveranstaltung in das Thema Künstliche Intelligenz und Maschinelles Lernen mit einem Fokus auf Anwendungen im Bereich des Visuellen. Es wird ein Überblick über die Historie der KI gegeben und die Begriffe Künstliche Intelligenz, Maschinelles Lernen und Deep Learning eingeordnet. Verschiedene Konzepte aus dem Themengebiet werden eingeführt und diskutiert, beispielsweise symbolische und subsymbolische KI, deskriptive und generative KI, überwachtes und unüberwachtes Maschinelles Lernen, Reinforcement Learning, Overfitting und Underfitting, Catastrophic Forgetting und Continual Learning. Des Weiteren werden Parallelen und Unterschiede zu biologischer Intelligenz und biologischem Lernen thematisiert.
Ein Schwerpunkt liegt auf der Einführung und Anwendung von KI Verfahren für Bilddaten. Dazu werden zunächst grundsätzliche Lernverfahren wie Gradientenabstieg und Back-Propagation erklärt und darauf aufbauend aktuelle Verfahren diskutiert (wie beispielsweise Convolutional Neural Networks, Generative Adversarial Networks, Diffusion Models und (Vision) Transformers). Die Übungen umfassen auch die praktische Anwendung solcher Verfahren.