Artificial Intellicence, 2013-06-27

Module: 
Artificial Intellicence
Examiner: 
PD Dr.-Ing. Helmar Gust
Assessor: 
Prof. Dr. Kai-Uwe Kühnberger
Date: 
Thu, 2013-06-27

FORMALIA

Modulprüfung: Artificial Intelligence Fachsemester: 5
Prüfer/2.Prüfer: PD Dr.-Ing. Helmar Gust / Prof. Dr. Kai-Uwe Kühnberger

VORBEREITUNG

Was hast du zur Prüfungsvorbereitung benutzt?

- "Methods of AI"-Slides
- zu präsentierendes Paper
- Google & Wikipedia um Überblick zu gewinnen
- AI-Bücher

Was wir hilfreich, was war weniger hilfreich?

- Die AI-Bücher haben mein Thema nicht behandelt, waren also nutzlos.
- Für die ausgewählten 3 Themen alle Details kennen und verstehen; für die anderen Themen die wichtigen Konzepte kennen und erklären können.

Zur Bearbeitung des Papers:

- es ist wichtig, das Paper wirklich verstanden zu haben.
- so viel Kritik (positiv & negativ) wie möglich, auch formelle, aber immer gut begründen.
- Einordnung in größeren wissenschaftlichen Kontext:
- Einordung des Fachgebiets in das größere Thema (Solver für QCSPs < QCSPs < Aktuelle Themen um CSPs < CSPs)
- Einordnung der verwendeten Methoden (Algorithmus X aus Paper Y von 2005, basiert auf Algrithmus A von 1999; Technik T von Forscher F (2002) verwendet - geht oft aus dem Paper direkt oder aus den "References" hervor)

PRÜFUNG

Prüfungsdatum: 27.6.2013
Wiederholungsprüfung? nein Beisitzer: keine (nur Prüfer)
Note: 1,0 Bereiche nach Zeit: 15min Präsentation, 15min Fragen vorgegeben, aber nicht zu streng gehandhabt

Fragensammlung: wie lauteten die Fragen im einzelnen?

(nicht vollständig)
Fragen zum Paper:
- Würde ich es auf einer Konferenz zulassen? (-> ja/nein + Begründung)
Games:
- Wie kann man verschiedene Games einordnen? (-> perfect/imperfect Information, determined/Chance + Beispiele)
- Was gibt es für Optimalitäts-Kritierien? (-> Pareto-Optimalität, Nash Equilibria + Erklärung)
Machine Learning:
- Die 2 wichtigsten Methoden? (-> Clustering, Classification + Beispiele/Algorithmen)
- Was macht ID3? (-> kompakte Bäume, benutzt Information Gain: basiert auf Entropie)
Vagueness & Uncertainty:
- Was macht man (in Logik) wenn true/false nicht ausreichen? (-> Vagueness: Fuzzy-Logic + Erklärung; Uncertainty: Bayesian Networks + Erklärung; Unterschied Vagueness <-> Uncertainty erklären)

Was mußte schriftlich gelöst werden?

- nichts

Persönlicher Kommmentar, Was war toll? Was war doof? Was war auffällig?

Ich fand es schwierig, mein Paper in 15 min zusammenzufassen. Hat dann doch etwas länger gedauert, aber der Überblick über die Grundlagen am Anfang sollte laut Herr Gust auch dabei sein.
Als Kritikpunkte, die ich nicht erwähnt hatte, hat Herr Gust dann noch einzelne kleine Ungereimtheiten im Paper erwähnt, die mir nicht direkt aufgefallen sind.

Wie waren Einstieg, Ablauf, Ende, Bewertung und Begründung?

Einstieg:

"Stellen Sie Ihr Paper vor, bewerten Sie es und ordnen Sie es in einen größeren wiss. Kontext ein."

Ablauf:

Präsentation des Papers, Kritik, Einordnung von mir; dann Herr Gust weitere kritische Anmerkungen zum Paper - ich dazu meine Einschätzung;
dann Fragen zum Paper und zu meinem Vortrag (Ungereimtheiten, Details);
dann Fragen zu AI im Allgemeinen: spezifischere Fragen zu den gewählten 3 Themen, wenig und allgemeine Fragen zu anderen Themen.

Ende:

"Bitte gehen Sie kurz nach draußen." - nach kurzer Zeit Notenbekanntgabe

Bewertung und Begründung:

"Sie bekommen von uns eine 1,0 - Sie haben zwar kurz gehangen bei Frage X, aber dann sind sie auf die richtige Antwort gekommen, das zeigt, dass Sie es verstanden und nicht nur auswendig gelernt haben."

Lässt sich der Prüfer von den Antworten leiten?

Etwas - wenn die Antwort zunächst zu knapp ist, wird nachgefragt um das Verständnis zu überprüfen.

Zum Verhalten des Prüfers:

Sehr freundlich, setzen nicht zu sehr unter Druck, angenehme Prüfungsatmosphäre.

P.S.:

Mir haben die Protokolle meiner Vorgänger sehr geholfen - wenn Dir dieses Protokoll hilft/geholfen hat: Schreib doch deine Erfahrungen auch für alle auf!