Seminare

Das Seminar ist als Blockseminar konzipiert und findet an den folgenden Tagen statt:
- Mo 28.07. - Fr 01.08. 10:00-13:00
- Mo 04.08. - Fr 08.08. 10:00-13:00

Inhalt

Methoden und Ansätze, die auf der Logik beruhen, sind nicht nur in der theoretischen Informatik, sondern auch in der praktischen Informatik allgegenwärtig, wie die Verbreitung von Begriffen wie etwa „Programmverifikation“, „Wissensrepräsentation“, „Model Checking“, „Field Programmable Logic“ bezeugt. 

Das Masterseminar bietet eine Einführung in die Logik für Masterstudent:innen der Informatik. Um ein möglichst breites Publikum – und nicht nur die Aficionados von Mathematik und Theorie – zu erreichen, soll neben einem „Leitfaden“, der in die Syntax, Semantik
und Beweistheorie der Aussagen- und Prädikatenlogik erster Stufe einführt, „Exkurse“, Anwendungen der Logik in der Informatik – z.B. in relationalen Datenbanken – oder Vertiefungen – z.B. Prädikatenlogik höherer Stufe – gewidmet sein. 

Ein Skriptum des Dozenten soll als Grundlage der Seminarvorträge dienen.

Themen: 

1 Syntax 

- Aussagenlogik
- Exkurs: Präfix- und Postfixnotation und Präzedenzen
- Prädikatenlogik erster Stufe 

- Exkurs: Termdarstellungen in Programmier- und Modellierungssprachen
- Exkurs: Das Entitäts-Relations-Modell und der Tupel-Kalkül
- Exkurs: UML und OCL
- Beschränkte Quantifikation

- Exkurs: Regelbasierte Formalismen
- Exkurs: Mehrsortige Prädikatenlogik erster Stufe
- Exkurs: Prädikatenlogik zweiter Stufe und höherer Stufen
- Exkurs: Syntax von Modal- und Temporallogiken

2 Semantik

- Boole’sche Funktionen
- Exkurs: Schaltkreise und Boole’sche Algebren
- Interpretationen und Modelle aussagenlogischer Formeln
- Exkurs: Natürlichsprachliche Interpretationen der Junktoren

- Interpretationen und Modelle von Formeln der PL1S
- Gleichheit
- Exkurs: Natürlichsprachliche Interpretationen der Quantoren

- Herbrand-Interpretationen und Skolemisierung

- Exkurs: Relationale Datenbanken
- Die natürlichen Zahlen und das Induktionsaxiom
- Exkurs: Semantik von Modal- und Temporallogiken

3 Beweistheorie

- Entscheidbarkeitsergebnisse für die Aussagenlogik
- Exkurs: Logikkalküle
- Normalformen
- Exkurs: Die Davis-Putnam-Beweismethode 

- Entscheidbarkeitsergebnisse für die PL1S
- Exkurs: Die PUHR-Tableau-Beweismethode

- Exkurs: Deklarative Semantik von definiten Logikprogrammen
- Der Endlichkeitssatz
- Exkurs: Folgerung im Endlichen- Nichtausdrückbarkeit des Induktionsaxioms in der PL1S

Knowledge graphs (KGs) describe structured symbolic data by representing information via entities and their relationships. This form of relational knowledge representation has a long history in logic and artificial intelligence.

Relational embedding methods are useful methods for representing KGs and an important step towards KG reasonings, including link prediction in AI systems. For example, RESCAL, which was the first embedding model for KGs, has been used for recommending industrial components to customers.

At the same time, relationships between entities, in reality, are evolving, and temporal knowledge graphs are also of great significance in this respect. Events in temporal KG (tKG) are described as quadruple with an additional timestamp, for example, (Obama, is, USA president, 2008-2016).

With pre-trained foundation models like GPT-4, knowledge graphs even gain more attention to help reduce hallucination, increasing the factuality and reasoning ability of black-box large models.
The seminar focuses on the above-mentioned topics of machine learning with Knowledge Graphs, and students are encouraged to investigate state-of-the-art work in this field to learn cutting-edge knowledge graph research.

Ein Ziel des Seminars ist es, wissenschaftliche Arbeitstechniken zu erlernen bzw. zu vertiefen. Dazu wird eine Veranstaltung zu Präsentations- und Arbeitstechnik angeboten, ergänzt durch individuelles Vortrags-Coaching und Feedback.

Die Endnote des Seminars ergibt sich aus der Qualität der wissenschaftlichen Arbeit, der Präsentation sowie der aktiven Teilnahme an den Seminaren.

This seminar covers recent topics and advances in Reverse Engineering techniques aided by Machine Learning. We will cover recovery of function boundaries, symbols, and in particular Deep Learning models that produce vector representations of machine code.

Prerequisites: Any course offering an introduction to machine learning, familarity with assembly code

Dates and times stated below are preliminary, but probably won't change anymore.

Participation in the first session (April 23) is mandatory, anyone not present (without valid excuse) cannot take this seminar. Seminar sessions take place Wednesdays 4-6pm at Oettingenstr. 67, room 067 from 23.4.-23.7.25

After the first session, the participants will choose their paper. The first presentations start two weeks after. Each participant is required to give a presentation of his paper, prepare a discussion, participate in every week's discussion, and write a seminar report at the end of the term.