263-5210-00L Probabilistic Artificial Intelligence
| Semester | Herbstsemester 2022 |
| Dozierende | A. Krause |
| Periodizität | jährlich wiederkehrende Veranstaltung |
| Lehrsprache | Englisch |
Lehrveranstaltungen
| Nummer | Titel | Umfang | Dozierende | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 263-5210-00 V | Probabilistic Artificial Intelligence Fr 10-12 und 13-14 im ETA F5 mit Videoübertragung ins ETF E1 | 3 Std. |
| A. Krause | ||||||||||||
| 263-5210-00 U | Probabilistic Artificial Intelligence Q&A session: Monday, 17-18, via zoom | 2 Std. |
| A. Krause | ||||||||||||
| 263-5210-00 A | Probabilistic Artificial Intelligence | 2 Std. | A. Krause |
Katalogdaten
| Kurzbeschreibung | This course introduces core modeling techniques and algorithms from machine learning, optimization and control for reasoning and decision making under uncertainty, and study applications in areas such as robotics. |
| Lernziel | How can we build systems that perform well in uncertain environments? How can we develop systems that exhibit "intelligent" behavior, without prescribing explicit rules? How can we build systems that learn from experience in order to improve their performance? We will study core modeling techniques and algorithms from statistics, optimization, planning, and control and study applications in areas such as robotics. The course is designed for graduate students. |
| Inhalt | Topics covered: - Probability - Probabilistic inference (variational inference, MCMC) - Bayesian learning (Gaussian processes, Bayesian deep learning) - Probabilistic planning (MDPs, POMPDPs) - Multi-armed bandits and Bayesian optimization - Reinforcement learning |
| Voraussetzungen / Besonderes | Solid basic knowledge in statistics, algorithms and programming. The material covered in the course "Introduction to Machine Learning" is considered as a prerequisite. |
Leistungskontrolle
| Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird) | |
Leistungskontrolle als Semesterkurs | |
| ECTS Kreditpunkte | 8 KP |
| Prüfende | A. Krause |
| Form | Sessionsprüfung |
| Prüfungssprache | Englisch |
| Repetition | Die Leistungskontrolle wird nur in der Session nach der Lerneinheit angeboten. Die Repetition ist nur nach erneuter Belegung möglich. |
| Prüfungsmodus | schriftlich 120 Minuten |
| Zusatzinformation zum Prüfungsmodus | 70% session examination, 30% project; the final grade will be calculated as weighted average of both these elements. As a compulsory continuous performance assessment task, the project must be passed on its own and has a bonus/penalty function. The practical projects are an integral part (60 hours of work, 2 credits) of the course. Participation is mandatory. Failing the project results in a failing grade for the overall examination of Probabilistic Artificial Intelligence (263-5210-00L). Students who do not pass the project are required to de-register from the exam and will otherwise be treated as a no show. |
| Hilfsmittel schriftlich | Two A4-pages (i.e. one A4-sheet of paper), either handwritten or 11 point minimum font size. Simple non-programmable calculator. |
| Digitale Prüfung | Die Prüfung findet auf Geräten statt, die von der ETH Zürich zur Verfügung gestellt werden. |
| Diese Angaben können noch zu Semesterbeginn aktualisiert werden; verbindlich sind die Angaben auf dem Prüfungsplan. | |
Lernmaterialien
| Hauptlink | Information |
| Es werden nur die öffentlichen Lernmaterialien aufgeführt. | |
Gruppen
| Keine Informationen zu Gruppen vorhanden. |
Einschränkungen
| Plätze | Maximal 900 |
| Warteliste | Bis 03.10.2022 |
