Administrative oplysninger
| Titel | Beslutningsnetværk |
| Varighed | 60 |
| Modul | A |
| Lektionstype | Forelæsning |
| Fokus | Teknisk — Grundlæggelser af kunstig intelligens |
| Emne | Fundamentet for AI |
Nøgleord
Naive Bayesian netværk, bayesiske netværk,Decision netværk, maksimum exp nytte princip, optimal beslutning, probabilistisk inferens, værdi af information,
Læringsmål
- Naive Bayesiske netværk
- Bayesian-netværk
- Beslutningsnetværk
- Studerende kan definere en flervarieret fælles fordeling: multinomial og Gaussian
- Studerende kan forklare forskellen mellem association versus årsagssammenhæng
- Studerende kan definere observations-, kausal og kontrafaktisk inferens
- Studerende kan definere retfærdighed ved hjælp af observations- og kontrafaktisk ræsonnement
Forventet forberedelse
Læringsbegivenheder, der skal fuldføres før
Obligatorisk for studerende
- Sandsynlighed (f.eks. fra AIMA4e eller wikipedia)
- grundlæggende begreber om sandsynlighedsteori
- multivariat fælles sandsynlighedsfordelinger, kæde regel
Valgfrit for studerende
- Kunstig intelligens: En moderne tilgang, 4. globale ed. af Stuart Russell og Peter Norvig, Pearson (AIMA4e):ch16-17
Referencer og baggrund for studerende
- AIMA4e:ch16-17
Anbefalet til lærerne
- AIMA4e:ch16-17
- Charniak, E., 1991. Bayesian netværk uden tårer. AI-magasin, 12(4), s. 50-50.
- Pearl, J., 2019. De syv værktøjer til kausal slutning, med refleksioner om maskinindlæring. Meddelelser fra ACM, 62(3), s. 54-60.
Undervisningsmaterialer
Instruktioner til lærerne
- Påmindelse: ramme for et ettrinsbeslutningsproblem, elementer (handling, usikkerhed, nytte/tab), maksimal forventet nytteprincip
- Påmindelse: probabilistiske grafiske modeller, kausale diagrammer
- Definere elementer i et beslutningsnetværk: chance, handling, nytte/tab noder
- Forklar arbejdsgangen: beviser, handlinger, sandsynlighedsslutning, forventninger, maksimering af handling
- Eksempel
- Diskuter værdien af information
Oversigt/tidsplan
| Varighed | Beskrivelse |
|---|---|
| 10 | Flervarieret fælles fordeling: multinomial og Gaussian |
| 5 | Forskel mellem sammenhæng og årsagssammenhæng |
| 15 | General Bayesian-netværk |
| 15 | Observationel, kausal og kontrafaktisk konklusion |
| 15 | Eksempel: definition af rimelighed ved hjælp af observations-, kausal- og kontrafaktisk ræsonnement |
Anerkendelser
Programmet Human-Centered AI Masters blev samfinansieret af Connecting Europe-faciliteten i Den Europæiske Union under tilskud CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.