Liebe Studierende im Master Wirtschaftsinformatik & Künstliche Intelligenz (FPO 2024),
wir möchten Sie gerne auf die nachfolgende neue Lehrveranstaltung im Sommersemester 2025 aufmerksam machen:
Titel der Veranstaltung: Reinforcement Learning
Modul: Vertiefung Künstliche Intelligenz,2 SWS, 5 LP
im Master Wirtschaftsinformatik & Künstliche Intelligenz FPO 2024
Dozent: Dr. rer. nat. Joscha Grüger
Veranstaltungsform: Projektseminar (anwesenheitspflichtig)
Prüfungsform: Portfolioprüfung
Blockveranstaltung an folgenden Terminen:
23. April 2025 (Themenvergabe, Raum H321, 10 bis ca. 13 Uhr)
14. Mai 2025 (Raum F50, genaue Uhrzeigen werden spätestens am ersten Termin bekanntgegeben)
11. Juni 2025 (Raum F50, genaue Uhrzeigen werden spätestens am ersten Termin bekanntgegeben)
11. bis 13. August 2025 (Präsentationen, Raum F50 genaue Uhrzeigen werden rechtzeitig bekanntgegeben)
Maximale Teilnehmerzahl: 10 Personen
Anmeldung zur Veranstaltung über PORTA nur möglich vom 04.04. bis 09.04.2025 (Veranstaltungsnummer 14502936 "Vertiefung Künstliche Intelligenz: Reinforcement Learning")
Anmeldung zur Prüfung über PORTA bis spätestens 30.04.2025, 23:59 Uhr möglich (Prüfungsnummer P1460M0002, Prüfungsdatum 01.05.2025, Portfolioprüfung, Prüfer Joscha Grüger)
Kurzbeschreibung der Veranstaltung:
Reinforcement Learning (RL) ist ein Teilbereich des maschinellen Lernens, der auf der Interaktion eines Agenten mit einer Umgebung basiert. Ziel ist es, durch Belohnungen und Bestrafungen optimale Strategien für komplexe Entscheidungsprobleme zu erlernen. Besonders durch den Einsatz tiefer neuronaler Netze hat RL in den letzten Jahren erhebliche Fortschritte gemacht und findet Anwendung in Bereichen wie Robotik, Spiele-KI, autonomes Fahren, Finanzmodellierung und dem Energiesektor. Im Energiesektor wird RL beispielsweise zur Optimierung des Stromnetzbetriebs, der Lastverteilung und der Steuerung erneuerbarer Energien eingesetzt.
Im Rahmen des Seminars setzen sich die Teilnehmenden intensiv mit den theoretischen Grundlagen, Methoden und modernen Entwicklungen des Reinforcement Learning auseinander. Neben der Einarbeitung in wissenschaftliche Literatur liegt der Fokus auf der praktischen Umsetzung der Konzepte. Die Teilnehmer präsentieren ihre Erkenntnisse und verfassen eine schriftliche Ausarbeitung. Die Themenvergabe erfolgt am ersten Seminartag.
Vorläufige Inhaltsübersicht:
- Grundlagen des Reinforcement Learning
- Monte Carlo und Temporal Difference Learning
- Deep Q-Networks (DQN)
- Policy-Gradient-Methoden
- Multi-Agent Reinforcement Learning (MARL)
- Hierarchisches Reinforcement Learning
- Model-Based vs. Model-Free RL
- Exploration vs. Exploitation Strategien
- Reinforcement Learning für Continuous Action Spaces
- Sicherheit und Stabilität im Reinforcement Learning
Viele Grüße
Das Team der Wirtschaftsinformatik