194.116 Programmierung von Strategie-Spielen - Strategische Planung und Reinforcement Learning
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2022S, VU, 2.0h, 3.0EC, wird geblockt abgehalten
TUWEL

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung
  • Format der Abhaltung: Online

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, Strategiespiele mit vollständiger Information selbst zu implementieren und zu evaluieren. Sie verstehen die grundsätzlichen Ansätze der Tiefensuche und Monte-Carlo-Tree-Simulation und sind dazu in der Lage, effiziente Heuristiken zu implementieren. Seit dem WiSe 2020/21 beschäftigen wir uns auch mit Spielen mit partieller Information und/oder Zufall.

Inhalt der Lehrveranstaltung

  1. Vorlesungsblock: Setting, grundlegende Algorithmen, Heuristiken, Anwendungen, Stand der Forschung
  2. Übung: Übungsziel, Aufgabenstellung, Einführung in die Übungsumgebung, Tipps zur Vorgangsweise

WICHTIG! Aufgrund der Corona-Pandmie wird die Vorlesung durch Videos + durch ein von den Studierenden zu erstellendes Abstract ersetzt. Alle Details dazu finden Sie im TUWEL-Forum.

Methoden

Zentrales Thema der Vorlesung ist die Modellierung und Evaluierung von Strategien in Spielen mit definierten Regeln und vollständiger Information. Dieses Thema wird in der Vorlesung interaktiv erarbeitet und im Übungsteil mit einem realistischen Anwendungsbeispiel gefestigt.

Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

Didaktisches Konzept

  • Rahmen für Wissensvermittlung mit Vorlesungsblock am Beginn und Vorlesungsprüfung am Ende der LVA
  • Praktisches Erfahren der LVA-Inhalte in Kleingruppen-Übungen
  • Verwendung moderner Visualisierungs- und Seminarmethoden zur Beteiligung der Studierenden an der Vorlesung
  • Nutzung eines offen Forensystems zum Erfahrungsaustausch über Gruppen hinweg während der Übung

Verteilung der ECTS-Punkte

Beschreibung                         ECTS  Stunden
--------------------------------------------------
Vorbereitung                         0.04      1.0
Vorlesung                            0.32      8.0
Vorbereitung des Übungsprojektes     0.04      1.0
Übungs-Projektarbeit                 2.60     65.0
--------------------------------------------------
Gesamt                               3.00     75.0


Vortragende Personen

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Do.09:00 - 10:0017.03.2022 https://tuwien.zoom.us/j/99152541621 (LIVE)Vorbesprechung
LVA wird geblockt abgehalten

Leistungsnachweis

Die Studierenden weisen ihr Verständnis insbesondere durch die Lösung des praktischen Übungsbeispiels und ihre Mitarbeit in der Vorlesung nach.

LVA-Anmeldung

Von Bis Abmeldung bis
01.03.2022 00:00 13.03.2022 23:59

Anmeldemodalitäten

SEHR WICHTIG: Beachten Sie, dass aufgrund des hohen Andrangs und der beschränkten Ressourcen für diesen Kurs für die erfolgreiche Anmeldung im E-Learning-Bereich unter folgender Adresse ein Assessment-Test zum Thema "Reinforcement Learning" auszufüllen ist (bitte in TUWEL "Self Enrollment" verwenden):

https://tuwel.tuwien.ac.at/mod/quiz/view.php?id=661069

 

Curricula

StudienkennzahlVerbindlichkeitSemesterAnm.Bed.Info
066 645 Data Science Freifach
175 FW Freie Wahlfächer - Wirtschaftsinformatik Freifach
880 FW Freie Wahlfächer - Informatik Freifach

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

  • Gute Kenntnisse in Softwareentwicklung mit Java
  • Grundlegende Kenntnisse im Bereich Künstliche Intelligenz
  • Erfahrung im Spielen von Strategie-Spielen

Weitere Informationen

Sprache

Englisch