Veranstalter |
Prof. Dr. Claudia Linnhoff-Popien Für alle Fragen bzgl. Verlauf und Anmeldung melden Sie sich bitte bei Thomy Phan oder Andreas Sedlmeier |
Hörerkreis |
Studierende der Informatik und Medieninformatik im Hauptstudium, |
Umfang |
6 SWS (siehe Einschränkungen DHP), 6 ECTS |
Termin(e) |
|
Betreuer |
|
Prüfung |
Aktuelles
- 07.01.20: Raum und Termin für die Abschlussprüfung steht fest.
- 14.11.19: Die Slides zu History & Applications I sind online.
- 06.11.19: Die Slides zu Function Approximation sind online.
- 30.10.19: Die Slides zu Reinforcement Learning sind online.
- 24.10.19: Die Slides zu Automated Planning sind online.
- 22.10.19: Die Zuteilungen der Nachrückerplätze sind erfolgt. ASP ist voll gebucht.
- 17.10.19: Die Slides der ersten Veranstaltung sind online.
- 14.10.19: Der Raum für die Theorieveranstaltungen hat sich geändert. Die Zeit bleibt gleich.
- 14.10.19: Es gibt noch freie Plätze! Bei Interesse bitte mit Campus-Email-Adresse, Studiengang, aktuelles Semester und Bewerbungstext bei Thomy Phan melden. Die Entscheidung wird am 22.10. bekannt gegeben.
- 08.10.19: Vorläufiger Zeitplan für die Theorieveranstaltungen steht fest.
- 08.10.19: Raum und Zeit für die Praxisveranstaltungen stehen fest.
- 07.10.19: Raum und Zeit für die Theorieveranstaltungen stehen fest.
- 07.10.19: Die Zuteilungen sind erfolgt. ASP ist derzeit voll gebucht.
- 04.09.19: Die Seite zu dieser Veranstaltung ist ab sofort online.
Inhalt des Praktikums
Moderne Systeme - z.B. Roboter - agieren autonom: Sie treffen selbstständig Entscheidungen und passen Ihr Verhalten flexibel den aktuellen Umständen und Anforderungen an.
In diesem Praktikum beschäftigen wir uns mit der Umsetzung autonomer Systeme. Wir implementieren Algorithmen zur adaptiven Planung, Optimierung und Koordination sowie Methoden zur Evaluation und Analyse autonomer Systeme.
Eine Auswahl der behandelten Themen lautet:
- Decision Making in Autonomous Systems
- Planning and Reinforcement Learning
- Partially Observable Domains
- Multi-Agent Systems
- Uncertainty in Autonomous Systems
Benötigte Vorkenntnisse
Programmierung mit Python; Kenntnisse in künstlicher Intelligenz, Monte Carlo Methoden, Machine Learning vorteilhaft.
Bei der Auswahl der Teilnehmer werden entsprechende Vorkenntnisse berücksichtigt.
Ablauf
Das Praktikum gliedert sich in zwei Phasen: In der Einführungsphase werden in einer wöchentlichen Vorbesprechung die theoretischen Grundlagen vermittelt. Zusätzlich gibt es praktische Übungen, die zu den Praxisterminen im Praktikumsraum des Lehrstuhls stattfinden. In der Projektphase arbeiten die Studenten dann in Gruppen selbstständig an eigenen Projekten. In dieser Zeit finden regelmäßig die Praxistermine statt. Zusätzlich gibt es für jede Projektgruppe einzelne Termine zum jeweiligen Stand der Projektarbeit. Diese finden während der Vorlesungszeiten statt.
Anmeldung
Die Bewerbung um einen Platz im Praktikum findet dieses Jahr für alle Praktika zentral via uni2work statt: https://uni2work.ifi.lmu.de/course/W19/IfI/ASP
Die Teilnahme am Praktikum ist nach dem 21.10.2019 23:59 verbindlich. Danach wird das Praktikum bei Abbruch mit einer 5,0 bewertet und es gibt einen Malus bei Bewerbung auf zukünftige Praktika.
Material / Literatur
| Vorlesung | Übung | |
| 16.10.19 | Einführung, Autonomous Systems | - |
| 23.10.19 | Automated Planning | Basics (24.10./25.10.) |
| 30.10.19 | Reinforcement Learning | Übung entfällt wegen Feiertag |
| 06.11.19 | Function Approximation | Monte Carlo Planning (07.11./08.11.) |
| 13.11.19 | History & Applications I | Tabular Reinforcement Learning (14.11./15.11.) |
| 20.11.19 | entfällt | entfällt |
| 27.11.19 | Applications II | Value-based Deep Reinforcement Learning (28.11./29.11.) |
| 04.12.19 | Kickoff Praxisphase | Policy-based Deep Reinforcement Learning (05.12./06.12.) |
| 11.12.19 | Präsentation Arbeitsstand (wöchentliche Einzeltermine je Gruppe) | Teamarbeit (im Praktikumsraum) |
| 18.12.19 | Präsentation Arbeitsstand (wöchentliche Einzeltermine je Gruppe) | Teamarbeit (im Praktikumsraum) |
| 25.12.19 | vorlesungsfreie Zeit | - |
| 01.01.20 | vorlesungsfreie Zeit | - |
| 08.01.20 | Präsentation Arbeitsstand (wöchentliche Einzeltermine je Gruppe) | Teamarbeit (im Praktikumsraum) |
| 15.01.20 | Präsentation Arbeitsstand (wöchentliche Einzeltermine je Gruppe) | Teamarbeit (im Praktikumsraum) |
| 22.01.20 | Projektabgabe Deadline 23.59 Uhr |
- |
