Die Theoretische Informatik beschäftigt sich mit den grundlegenden Fragestellungen der Informatik. Hierzu werden Computer- und Automatenmodelle idealisiert und mathematisch untersucht.
Die Automatentheorie und die Theorie der formalen Sprachen (Thema des ersten Semesters) ist grundlegend für die Entwicklung von Programmiersprachen und Compilern. Sie untersucht, mit welchen Techniken welche Arten von Sprachen effizient analysiert werden können.
Die Berechenbarkeitstheorie befasst sich mit den prinzipiellen Grenzen des Berechenbaren und der Relation zwischen verschiedenen Computer- und Programmiermodellen. Die Komplexitätstheorie untersucht Effizienz von Algorithmen im Hinblick auf Platz- und Zeitbedarf und kümmert sich insbesondere um die Frage, wie effizient man bestimmte Probleme lösen kann.
Gliederung der Theoretischen Informatik II
* Berechenbarkeitstheorie
o Turingmaschinen
o Rekursive Funktionen
o Lambda-Kalkül und arithmetische Repräsentierbarkeit
o Die Churchsche These
o Berechenbarkeit, Aufzählbarkeit und Entscheidbarkeit
o Unlösbare Probleme
* Komplexitätstheorie
o Konkrete Komplexitätsanalyse
o Komplexitätsklassen
o Handhabbarkeit: das P - NP Problem o NP-vollständige Problem
o Jenseits von NP-vollständigkeit
o Pseudopolynomielle und approximierende Algorithmen
o Probabilistische Lösung nichthandhabbarer Probleme
- Kursleiter*in: Sebastian Böhne
- Kursleiter*in: Dr. Mario Frank
This course deals with current research topics in computational intelligence.
- Kursleiter*in: Javier Romero Davila
- Kursleiter*in: Prof. Dr. Torsten Schaub
- Kursleiter*in: Etienne Tignon
This course gives a comprehensive introduction to the field of intelligent data analysis. While methods of data analytics are focussing on describing the status quo, we are using algorithms of the field of machine learning to build predictive models that are able to generalise to unseen and/or unknown concepts.
The applications of these methods are both wide and deep: ranging from predicting the risk of credits, evaluation of astronomical data, detecting malware from HTTPS traffic logs to personalised recommendation of music, movies, or products.
More precisely, we cover the topics of decision tree based models, linear discriminator models, support vector machines, and basic clustering methods. We include an introduction to Bayesian statistics and kernel methods. Additionally, a basic treatment of statistical model evaluation and selection is given. The nature of the field requires a good command in linear algebra, statistics and probability theory, and optimisation techniques as well as fundamental knowledge of calculus (high school level).
In accompanying labs and exercises the students apply the learned methods using Python and its related ecosystem of libraries (e.g. NumPy, Pandas, scikit-learn) on data sets from various domains.
- Kursleiter*in: Lena Ann Jäger
- Kursleiter*in: Anita Susann Krüger
- Kursleiter*in: Silvia Makowski
- Kursleiter*in: Paul Prasse
- Kursleiter*in: Prof. Dr. Tobias Scheffer
Gewissensbits: Digital first, Bedenken second?
In dem interdisziplinären Seminar gehen wir der Frage nach, wie wir die Zukunft unserer Gesellschaft im Zuge der digitalen Transformation gestalten wollen. Im Fokus unseres Forschungsinteresses steht vor allem ein ethisch motivierter Blick auf technologische Innovationen, deren Funktionsweise auf Künstlicher Intelligenz (KI) basiert. Bereits in der Entstehungsphase neuer Algorithmen oder ihrer Anwendungen sollte ihre gesellschaftliche Vertretbarkeit diskutiert und beurteilt werden können. Dafür braucht es neben verbindlichen rechtlichen Normen auch ethische Orientierung, die Spielraum für Entscheidungen im Einzelfall bietet bzw. diese auch einfordert. Gemeinsam mit eingeladenen Experten aus Ethik, Recht und IT erarbeiten wir uns, was unter einer Ethik der KI verstanden werden kann – oder was vielleicht auch weniger zielführend sein mag. Das Ziel des Seminares ist es, das Konzept von KI soweit zu verstehen, dass mögliche ethische Implikationen von KI-Algorithmen und -Anwendungen schon frühzeitig kritisch analysiert und diskutiert werden können. Ausgehend von ausgewählten Fallbeispielen sollen die Teilnehmenden des Seminars in interdisziplinären Tandems eigene Forschungsfragen zu diesem Themenfeld entwickeln lernen und diese in Form eines Projektantrags aufbereiten.
Hinweis:
Für Bachelor und Master der Informatik und aller anderen Fachrichtungen, anrechenbar über Schlüsselkompetenzen /StudiumPlus
- Kursleiter*in: Prof. Dr. Ulrike Lucke
- Kursleiter*in: Ina Müller
- Kursleiter*in: Bernhard Fiedler
- Kursleiter*in: Prof. Dr. Matthias Holschneider
- Kursleiter*in: Dr. Hannes Matuschek