Department Mathematik
print


Navigationspfad


Inhaltsbereich

Forschungsgruppe TQA - Veranstaltungen

Seminar: "Kombinatorische Optimierung und Künstliche Intelligenz"

      Prof. Dr. Martin Schottenloher

Di 12-14, genauer Beginn jeweils in der ZOOM-Umgebung: 12:15 (evtl. später im HS B 251)
Beginn: 21.4.20

Schedule:

  • 21.04.2020 Erste Vorbesprechung: Test der Videoumgebung
  • 28.04.2020 Zweite Vorbesprechung: Inhaltliche Aspekte zu den Vorträgen, Termine, Whiteboard, etc.
  • 05.05.2020 Grundlagen von Kombinatorischer Optimierung und Beziehungen zur Künstlichen Intelligenz (Ralitsa Marinova)
  • 12.05.2020 Einführung in Machine Learning und Künstliche Neuronale Netze (Geri Yessim)
  • 19.05.2020 Optimierung beim Lernen neuronaler Netze I (Matthias Modrok)
  • 26.05.2020 Support Vector Machine (Geri Yessim)
  • 09.06.2020 Optimierung beim Lernen neuronaler Netze II (Matthias Modrok)
  • 16.06.2020 Kombinatorische Optimierung mithilfe von Künstlicher Intelligenz (Nicolas Blank)
  • 23.06.2020 12 Uhr: Metalearning (Felix Lotter)
  • 23.06.2020 16 Uhr: Einführung in Generative Models und GANs (Marc Machaczek)
  • 30.06.2020 Evolutionäre Algorithmen und KNN (Joachim Siegert)
  • 07.07.2020 Approximation von Funktionen durch KNN, Wavelet KNN (Valerie Schuiling)
  • 14.07.2020 KNN und Graphen (Lioba Hölzle)
  • 21.07.2020 Scheduling: Einmaschinenmodell und Komplexitätsklassen (Kaiwen Sun)
  • 28.07.2020 Aufbau und Implementierung eines Convolutional Neural Networks (Isabell Schneider)
  • 04.08.2020 Bayes-Netze(Yannic Lederer)
  • 11.08.2020 Deep Learning Implementierung am Beispiel der Dogs vs. Cats Classification (Isabell Schneider)

Inhalt:

Ausgewählte Themen aus der Kombinatorischen Optimierung und der Künstlichen Intelligenz (KO & KI) und ihrem Zusammenspiel. In diesem Seminar wird den Teilnehmern die Möglichkeit eingeräumt, bei der Bestimmung der Themen des Seminars mitzuwirken (dazu gehört allerdings eine baldige Anmeldung, s.u.).

     KO und KI

Einige Vortragsthemen könnten sich beispielsweise mit der Tatsache auseinandersetzen, dass Maschinelles Lernen im Kern eine kombinatorische Optimierung ist, bei der der Fehlerterm minimiert wird. Ähnlich bei Statistischem maschinellen Lernen oder Bayes'sche Netze. Elementar und schon länger studiert: Support Vector Machine. Auch Anwendungen der KI auf die Kombinatorische Optimierung, z. B. bei den Produktionsprozessen oder bei der Wahl der "richtigen" Heuristiken zu einem NP-schweren Optimierungsproblem sind erwünscht.

     KO oder KI

Daneben sind auch Themen möglich, bei denen nicht beide Hauptthemen (KO und KI) zugleich angesprochen werden. Etwa Themen, die sich nur mit neuronalen Netzen, verschiedenenen Ausprä,gungen der KI oder die sich nur mit der KO beschäftigen. Zum Beispiel: Künstliche neuronale Netze sind letztlich Funktionen. Sie können benutzt werden, um Funktionen (numerisch) zu approximieren. Was ist der Bezug zu Machine Learning?

Für wen?

Das Seminar ist für Bachelor oder Master geeignet. Masterstudenten müssen einen zweiten Vortrag halten, den zweiten Vortrag möglicherweise zu einem anderen Zeitpunkt (Ausweichtermin).

Die Inhalte der Seminare in den vergangenen Semestern: Seminare vergangener Semester