Erweiterung des Fundaments
Hier werden Vorlesungen angeboten, die nicht zum traditionellen Kern der KI-Lehre gehören, aber dennoch hochrelevant für KI sind. Zum Einen ist dies die Bayessche Statistik, die fundamental für alle datengetriebene Methoden ist und von der grundlegende ML-Konzepte abgeleitet werden können. Zum Anderen fließen Methoden der Nichtlinearen Dynamik zunehmend in neue Formen von ML ein.
Einführung in die Bayes'sche Statistik
Die Bayes'sche Statistik bietet einen vereinheitlichenden Zugang zu Problemen der Datenanalyse. Ziel der Vorlesung ist es, anhand von Beispielen aus verschiedenen Wissenschaftsgebieten und Problemstellungen aus dem Alltag eine erste Einführung in das Themengebiet zu geben. Aufbauend auf den theoretischen Grundlagen werden Fragestellungen wie Parameterschätzung und Hypothesentests sowie ihre numerische Implementation behandelt.
Einführung in die nichtlineare Dynamik und Selbstorganisation
Nichtlineare Effekte und kollektive Phänomene, die durch die Wechselwirkung vieler Teile entstehen, können in sehr unterschiedlichen Wissenschaftsbereichen wie Physik, Chemie, Biologie, Medizin, Ingenieurwissenschaften, Sozialwissenschaften oder der Psychologie beobachtet werden. Dazu gehören abrupte Übergänge zwischen Zuständen mit völlig verschiedenen Eigenschaften, Multistabilität oder die selbstorganisierte Entstehung von räumlicher, zeitlicher und raumzeitlicher Ordnung bzw. Strukturen. Die Vorlesung soll anhand von Beispielen aus verschiedenen Wissenschaftbereichen in die Modellierung solcher Phänomene einführen und die zugrundeliegenden gemeinsamen Prinzipien erkunden.