Autonome Systeme Praktikum

Veranstalter

Prof. Dr. Claudia Linnhoff-Popien

Bei Fragen bzgl. Verlauf und Anmeldung melden Sie sich bitte per E-Mail bei Fabian Ritz und Philipp Altmann.

Hörerkreis

Studierende der Informatik und Medieninformatik im Hauptstudium,
Bachelorstudiengänge Informatik und Medieninformatik,
Masterstudiengänge Informatik und Medieninformatik.

Umfang

6 SWS (siehe Einschränkungen DHP), 6 ECTS, V2P4

Termin(e)

  • Theorie: Mi 10-12 Uhr c.t.
    (Online)
  • Praxis: Do 14-18 Uhr c.t.
    (Online oder vor Ort, abhängig von der pandemischen Lage zu Semesterbeginn)
  • Die Praxisveranstaltungen starten in der zweiten Vorlesungswoche
  • Abschlussveranstaltung: 08.02.2023 10-12 Uhr c.t.

Betreuer

Fabian Ritz
Philipp Altmann
Thomy Phan

Prüfung

Prof. Dr. Claudia Linnhoff-Popien

Prüfungsform: Projektabgabe und Abschlusspräsentation

Aktuelles

  • 14.12.22: Tippfehler berichtigt: Die Veranstatltung "U3: Fortschritt, Feedback" findet am wie gewohnt an einem Mittwoch, 18.01.23 (nicht 17.01.23) statt.
  • 12.12.22: Terminverschiebung (auch per E-Mail kommuniziert): Die Veranstatltung "V6: Applications II" wird auf Donnerstag, 12.01.22., um 14:15 Uhr verschoben. Zu dieser Veranstaltung besteht keine Anwesenheitspflicht.
  • 19.10.22: Es gibt noch einen freien Platz! Bei Interesse bitte mit Campus-Email-Adresse, Studiengang, aktuellem Semester und Bewerbungstext bis 23.10. (23:59 Uhr) bei Fabian Ritz und Philipp Altmann melden. Die Entscheidung wird am 25.10. bekannt gegeben.
  • 19.10.22: Mit Einverständnis der Studenten werden dieses Semester alle Veranstaltungen (Mi und Do) online statt finden.
  • 11.08.22: Diese Seite zum Praktikum Autonome Systeme Wintersemester 2022/2023 ist ab sofort online.

Inhalt des Praktikums

Moderne Systeme - z.B. Roboter - agieren autonom: Sie treffen selbstständig Entscheidungen und passen Ihr Verhalten flexibel den aktuellen Umständen und Anforderungen an. In diesem Praktikum beschäftigen wir uns mit der Umsetzung autonomer Systeme. Wir implementieren Algorithmen zur adaptiven Planung, Optimierung und Koordination sowie Methoden zur Evaluation und Analyse autonomer Systeme. Eine Auswahl der behandelten Themen lautet:

  • Decision Making in Autonomous Systems
  • Planning and Reinforcement Learning
  • Partially Observable Domains
  • Multi-Agent Systems
  • Uncertainty in Autonomous Systems

Benötigte Vorkenntnisse: Programmierung mit Python. Kenntnisse über Machine Learning, Monte-Carlo Methoden, Planning und Reinforcement Learning sind vorteilhaft. Bei der Auswahl der Teilnehmer werden entsprechende Vorkenntnisse berücksichtigt.

Ablauf

In den ersten fünf Wochen werden Mittwochs die theoretischen Grundlagen vermittelt. Ab der zweiten Woche gibt es Donnerstags, passend zum Stand der Theorie, praktische Übungsaufgaben. Ab der fünften Woche arbeiten die Studenten selbstständig in Gruppen (ein gemeinsames Projekt je Gruppe). Ab nun wird Mittwochs entweder in großer Runde (alle Gruppen und Betreuer) oder in kleiner Runde (einzelne Gruppe und Betreuer) der aktuelle Stand der Projekte berichtet und Feedback gegeben. Donnerstags werden bis zum 15.12. Best Practices (Theorie ca. 45 Min, dann passende Übung) vermittelt, die direkt in den Projekten angewendet werden können und unterstützen sollen. Anschließend wird Donnerstags frei und eigenständig in Gruppen gearbeitet. Phase 2 endet mit der Abgabe der Projekte am 31.01.2022.

Anmeldung

Die Bewerbung um einen Platz im Praktikum findet dieses Jahr für alle Praktika zentral via Uni2Work statt: https://uni2work.ifi.lmu.de/course/W22/IfI/ASP

Die Teilnahme am Praktikum ist ab dem 23.10.2022 23:59 verbindlich. Bei Abbruch danach wird das Praktikum mit einer 5,0 bewertet und es gibt einen Malus bei Bewerbung auf zukünftige Praktika.

Material / Literatur

Folien und Übungsblätter werden in Uni2Work für angemeldete Studentinnen und Studenten zur Verfügung gestellt.
Abkürzungen:
V = Vorlesung (Betreuer vermitteln Theorie)
Ü = Übung (Betreuer stellen Aufgaben vor, Studenten bearbeiten diese selbstständig)
P = Präsentation (durch Studenten, Betreuer moderieren)
U = Update (Studenten berichten über Fortschritte und Probleme, Betreuer geben Feedback)

Theorie (Mittwoch)
  Praxis (Donnerstag)
19.10. V1: Einführung, Autonomous Systems 20.10. -
26.10. V2: Automated Planning 27.10. Ü1: Monte Carlo Rollouts, Monte Carlo Planning
02.11. V3: Reinforcement Learning 03.11. Ü2: Tabular Reinforcement Learning
09.11. V4: Function Approximation 10.11. Ü3: Policy-based Deep Reinforcement Learning
16.11. V5: History & Applications I 17.11. Projekteinführung (Betreuer) & Gruppenfindung (Studenten)
23.11. P1: Kick-Off Projekt (Ziele, Plan) 24.11. Ü4: Best Practices - RL with PyTorch
30.11. U1: Fortschritt, Feedback 01.12. Ü5: Best Practices - Logging & Visualization
07.12. P2: Status Projekt (Environment, Algorithmus) 08.12. Ü6: Best Practices - Hyperparameter
14.12. U2: Fortschritt, Feedback 15.12. Ü7: Best Practices - Baselines & Optimierung
21.12. P3: Status Projekt (erste Ergebnisse) 22.12. -
11.01. - 12.01. V6: Applications II
18.01. U3: Fortschritt, Feedback 19.01. -
25.01. P4: Status Projekt (Ergebnisse, Analysen) 26.01. -
31.01. Projektabgabe, Deadline: 23:59 Uhr - -
08.02. Abschlusspräsentation - -