Allgemeine Informationen

Veranstaltungsname	Vorlesung: Autonomous and Self-learning Systems
Veranstaltungsnummer	INF-3035
Semester	SS 2025
Aktuelle Anzahl der Teilnehmenden	12
maximale Teilnehmendenanzahl	12
Heimat-Einrichtung	Organic Computing
Veranstaltungstyp	Vorlesung in der Kategorie Lehre
Erster Termin	Mittwoch, 23.04.2025 14:00 - 15:30, Ort: (W-1021)
Teilnehmende	Masterstudierende im Bereich der Informatik
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile	Ja
Hauptunterrichtssprache	deutsch
ECTS-Punkte	8

Lehrende

Räume und Zeiten

(W-1021): Mittwoch, 23.04.2025, Mittwoch, 30.04.2025, Mittwoch, 14.05.2025, Mittwoch, 28.05.2025, Mittwoch, 11.06.2025, Mittwoch, 25.06.2025 14:00 - 15:30

Studienbereiche

Fakultät für Angewandte Informatik > Informatik

Modulzuordnungen

Informatik und Multimedia M.Sc. Informatik und Multimedia, PO 2018, 14. Version gültig ab SS 2025 > Praktische Informatik > INF-3035 - Autonomous and Self-learning Systems > Autonomous and Self-learning Systems (Vorlesung)
Informatik M.Sc. Informatik, PO 2018, 14. Version gültig ab SS 2025 > Wahlbereich Informatik > INF-3035 - Autonomous and Self-learning Systems > Autonomous and Self-learning Systems (Vorlesung)
Informatik und Multimedia M.Sc. Informatik und Multimedia, PO 2018, 14. Version gültig ab SS 2025 > Wahlbereich Informatik und Multimedia > INF-3035 - Autonomous and Self-learning Systems > Autonomous and Self-learning Systems (Vorlesung)
Wirtschaftsinformatik Masterstudiengang Wirtschaftsinformatik (PO 2017), 17. Version gültig ab SS 2025 > Modulgruppe D: Major Informatik > INF-3035 - Autonomous and Self-learning Systems > Autonomous and Self-learning Systems (Vorlesung)
Ingenieurinformatik M.Sc. Ingenieurinformatik, PO 2016, 18. Version gültig ab SS 2025 > M.Sc. Ingenieurinformatik - Wahlbereich Software und Systems Engineering / Technische Informatik und Adaptive Systeme > INF-3035 - Autonomous and Self-learning Systems > Autonomous and Self-learning Systems (Vorlesung)
Informatik M.Sc. Informatik, PO 2018, 14. Version gültig ab SS 2025 > Praktische Informatik > INF-3035 - Autonomous and Self-learning Systems > Autonomous and Self-learning Systems (Vorlesung)
Medizinische Informatik M.Sc. Medizinische Informatik, PO 2021, 8. Version gültig ab SS 2025 > Wahlbereich > INF-3035 - Autonomous and Self-learning Systems > Autonomous and Self-learning Systems (Vorlesung)
Ingenieurinformatik M.Sc. Ingenieurinformatik, PO 2016, 18. Version gültig ab SS 2025 > M.Sc. Ingenieurinformatik - Technische Informatik und Adaptive Systeme > INF-3035 - Autonomous and Self-learning Systems > Autonomous and Self-learning Systems (Vorlesung)
Wirtschaftsinformatik Masterstudiengang Wirtschaftsinformatik (PO 2017), 17. Version gültig ab SS 2025 > Modulgruppe C: Minor Informatik > INF-3035 - Autonomous and Self-learning Systems > Autonomous and Self-learning Systems (Vorlesung)
Medizinische Informatik M.Sc. Medizinische Informatik, PO 2021, 8. Version gültig ab SS 2025 > Informatik > INF-3035 - Autonomous and Self-learning Systems > Autonomous and Self-learning Systems (Vorlesung)

Kommentar/Beschreibung

Reinforcement Learning ist ein zentraler Ansatz des maschinellen Lernens, der es Systemen ermöglicht, durch Interaktion mit ihrer Umgebung selbstständig Entscheidungen zu treffen und optimale Strategien zu entwickeln.
Die Vorlesung führt zunächst in die grundlegenden Konzepte des Reinforcement Learnings ein und beleuchtet dabei Schlüsselthemen wie Temporal Difference Learning sowie Policy- und Value-basierte Methoden.
Ein besonderer Schwerpunkt liegt auf modernen Ansätzen wie Deep Reinforcement Learning, das tief neuronale Netze mit Reinforcement Learning-Techniken kombiniert, um komplexe Entscheidungsprobleme zu lösen.
Weitere Themen umfassen die Actor-Critic-Architektur, die eine hybride Perspektive auf Policy- und Value-basierte Methoden bietet, sowie Multi-Objektive Reinforcement Learning-Ansätze, die darauf abzielen, mehrere Ziele gleichzeitig zu optimieren.
Zusätzlich wird die Vorlesung auf die Herausforderungen und Lösungen im Bereich Multi-Agent Reinforcement Learning eingehen, bei dem mehrere Agenten lernen, kooperativ oder kompetitiv in einer gemeinsamen Umgebung zu agieren.
Praktische Anwendungen und die Vermittlung von Designprinzipien für Reinforcement Learning-Systeme runden die Inhalte ab und bereiten Studierende auf aktuelle Forschung und reale Implementierungen vor.

Anmelderegeln

Diese Veranstaltung gehört zum Anmeldeset "Beschränkte Teilnehmendenanzahl: Autonomous and Self-learning Systems".

Folgende Regeln gelten für die Anmeldung:

Es wird eine festgelegte Anzahl von Plätzen in den Veranstaltungen verteilt.
Die Plätze in den betreffenden Veranstaltungen wurden am 13.04.2025 um 23:59 verteilt. Weitere Plätze werden evtl. über Wartelisten zur Verfügung gestellt.

Anmeldemodus

Die Auswahl der Teilnehmenden wird nach der Eintragung manuell vorgenommen.

Nutzer/-innen, die sich für diese Veranstaltung eintragen möchten, erhalten nähere Hinweise und können sich dann noch gegen eine Teilnahme entscheiden.

Vorlesung: Autonomous and Self-learning Systems - Details