Probabilistische Planung
- Type: Vorlesung (V)
- Semester: SS 2016
-
Time:
20.04.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
27.04.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
04.05.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
11.05.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
18.05.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
25.05.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
01.06.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
08.06.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
15.06.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
22.06.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
29.06.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
06.07.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
13.07.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
20.07.2016
08:00 - 11:15 wöchentlich
50.34 Raum 131 50.34 INFORMATIK, Kollegiengebäude am Fasanengarten
- Lecturer: Dr.-Ing. Marco Huber
- SWS: 4
- Lv-No.: 24603
Lehrinhalt | Die Vorlesung Probabilistische Planung bietet eine systematische Einführung in die Planung unter Berücksichtigung von Unsicherheiten. Die auftretenden Unsicherheiten werden dabei durch probabilistische Modelle beschrieben. Um einen erleichterten Einstieg in das Gebiet der probabilistischen Planung zu gewährleisten, gliedert sich die Vorlesung in drei zentrale Themengebiete, mit ansteigendem Grad an Unsicherheit:
Neben der Vermittlung der theoretischen Herangehensweise bei der vorausschauenden Planung mittels probabilistischer Modelle, steht auch die Veranschaulichung der theoretischen Sachverhalte im Vordergrund. Zu diesem Zweck werden praxisrelevante Spezialfälle und Anwendungsbeispiele etwa aus dem Bereich der Robotik, des maschinellen Lernens oder der Sensoreinsatzplanung betrachtet. |
Arbeitsbelastung | Gesamt: ca. 190h 1. Präsenzzeit in Vorlesungen: 56h 2. Vor-/Nachbereitung derselbigen: 77h 3. Prüfungsvorbereitung und Präsenz in selbiger: 56h |
Ziel | Studierender kann die Unterschiede der drei behandelten Themengebiete (Markov'sche Entscheidungsprobleme, Planung bei Messunsicherheiten, Reinforcement Learning) bewerten. Studierender ist in der Lage eine Analyse eines gegebenen Planungsproblems und Zuordnung zu den behandelten Themengebieten durchzuführen. Studierender transferiert die vermittelten theoretischen Grundlagen auf praktische Planungsprobleme und setzt Techniken zur approximativen aber schnellen Berechnung von Plänen ein. Studierender analysiert und bewertet wissenschaftliche Literatur aus dem Umfeld der probabilistischen Planung. Studierender kann verwandte wissenschaftliche Bereiche wie etwa Nutzen-, Entscheidungs-, Spiel-, oder Schätztheorie zuordnen. Studierender vertieft die erforderlichen mathematischen Fertigkeiten. |
Prüfung | Die Erfolgskontrolle wird in der Modulbeschreibung erläutert. |