Veranstalter |
Prof. Dr. Claudia Linnhoff-Popien Bei Fragen bzgl. Verlauf und Anmeldung melden Sie sich bitte per E-Mail bei Fabian Ritz und Philipp Altmann. |
Hörerkreis |
Studierende der Informatik und Medieninformatik im Hauptstudium, |
Umfang |
6 SWS (siehe Einschränkungen DHP), 6 ECTS, V2P4 |
Termin(e) |
|
Betreuer |
|
Prüfung |
Prof. Dr. Claudia Linnhoff-Popien Prüfungsform: Projektabgabe und Abschlusspräsentation |
Aktuelles
- 14.12.22: Tippfehler berichtigt: Die Veranstatltung "U3: Fortschritt, Feedback" findet am wie gewohnt an einem Mittwoch, 18.01.23 (nicht 17.01.23) statt.
- 12.12.22: Terminverschiebung (auch per E-Mail kommuniziert): Die Veranstatltung "V6: Applications II" wird auf Donnerstag, 12.01.22., um 14:15 Uhr verschoben. Zu dieser Veranstaltung besteht keine Anwesenheitspflicht.
- 19.10.22: Es gibt noch einen freien Platz! Bei Interesse bitte mit Campus-Email-Adresse, Studiengang, aktuellem Semester und Bewerbungstext bis 23.10. (23:59 Uhr) bei Fabian Ritz und Philipp Altmann melden. Die Entscheidung wird am 25.10. bekannt gegeben.
- 19.10.22: Mit Einverständnis der Studenten werden dieses Semester alle Veranstaltungen (Mi und Do) online statt finden.
- 11.08.22: Diese Seite zum Praktikum Autonome Systeme Wintersemester 2022/2023 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 über Machine Learning, Monte-Carlo Methoden, Planning und Reinforcement Learning sind vorteilhaft. Bei der Auswahl der Teilnehmer werden entsprechende Vorkenntnisse berücksichtigt.
Ablauf
In den ersten fünf Wochen werden Mittwochs die theoretischen Grundlagen vermittelt. Ab der zweiten Woche gibt es Donnerstags, passend zum Stand der Theorie, praktische Übungsaufgaben. Ab der fünften Woche arbeiten die Studenten selbstständig in Gruppen (ein gemeinsames Projekt je Gruppe). Ab nun wird Mittwochs entweder in großer Runde (alle Gruppen und Betreuer) oder in kleiner Runde (einzelne Gruppe und Betreuer) der aktuelle Stand der Projekte berichtet und Feedback gegeben. Donnerstags werden bis zum 15.12. Best Practices (Theorie ca. 45 Min, dann passende Übung) vermittelt, die direkt in den Projekten angewendet werden können und unterstützen sollen. Anschließend wird Donnerstags frei und eigenständig in Gruppen gearbeitet. Phase 2 endet mit der Abgabe der Projekte am 31.01.2022.
Anmeldung
Die Bewerbung um einen Platz im Praktikum findet dieses Jahr für alle Praktika zentral via Uni2Work statt: https://uni2work.ifi.lmu.de/course/W22/IfI/ASP
Die Teilnahme am Praktikum ist ab dem 23.10.2022 23:59 verbindlich. Bei Abbruch danach wird das Praktikum mit einer 5,0 bewertet und es gibt einen Malus bei Bewerbung auf zukünftige Praktika.
Material / Literatur
Folien und Übungsblätter werden in Uni2Work für angemeldete Studentinnen und Studenten zur Verfügung gestellt.
Abkürzungen:
V = Vorlesung (Betreuer vermitteln Theorie)
Ü = Übung (Betreuer stellen Aufgaben vor, Studenten bearbeiten diese selbstständig)
P = Präsentation (durch Studenten, Betreuer moderieren)
U = Update (Studenten berichten über Fortschritte und Probleme, Betreuer geben Feedback)
| Theorie (Mittwoch) |
Praxis (Donnerstag) |
||
| 19.10. | V1: Einführung, Autonomous Systems | 20.10. | - |
| 26.10. | V2: Automated Planning | 27.10. | Ü1: Monte Carlo Rollouts, Monte Carlo Planning |
| 02.11. | V3: Reinforcement Learning | 03.11. | Ü2: Tabular Reinforcement Learning |
| 09.11. | V4: Function Approximation | 10.11. | Ü3: Policy-based Deep Reinforcement Learning |
| 16.11. | V5: History & Applications I | 17.11. | Projekteinführung (Betreuer) & Gruppenfindung (Studenten) |
| 23.11. | P1: Kick-Off Projekt (Ziele, Plan) | 24.11. | Ü4: Best Practices - RL with PyTorch |
| 30.11. | U1: Fortschritt, Feedback | 01.12. | Ü5: Best Practices - Logging & Visualization |
| 07.12. | P2: Status Projekt (Environment, Algorithmus) | 08.12. | Ü6: Best Practices - Hyperparameter |
| 14.12. | U2: Fortschritt, Feedback | 15.12. | Ü7: Best Practices - Baselines & Optimierung |
| 21.12. | P3: Status Projekt (erste Ergebnisse) | 22.12. | - |
| 11.01. | - | 12.01. | V6: Applications II |
| 18.01. | U3: Fortschritt, Feedback | 19.01. | - |
| 25.01. | P4: Status Projekt (Ergebnisse, Analysen) | 26.01. | - |
| 31.01. | Projektabgabe, Deadline: 23:59 Uhr | - | - |
| 08.02. | Abschlusspräsentation | - | - |
