Διοικητικές πληροφορίες
| Τίτλος | Δίκτυα αποφάσεων |
| Διάρκεια | 60 |
| Ενότητα | Α |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Τεχνικά — Ιδρύματα τεχνητής νοημοσύνης |
| Θέμα | Τα θεμέλια της τεχνητής νοημοσύνης |
Λέξεις-κλειδιά
Αφελή Bayesian δίκτυα, δίκτυα Bayesian, δίκτυα απόφασης, μέγιστη αρχή χρησιμότητας exp, βέλτιστη απόφαση, πιθανοτικό συμπέρασμα, αξία των πληροφοριών,
Μαθησιακοί στόχοι
- Αφελή Bayesian δίκτυα
- Δίκτυα Bayesian
- Δίκτυα αποφάσεων
- Οι μαθητές μπορούν να ορίσουν μια πολυμεταβλητή κοινή κατανομή: πολυωνυμική και Gaussian
- Οι μαθητές μπορούν να εξηγήσουν τη διαφορά μεταξύ συσχέτισης και αιτιώδους συνάφειας
- Οι μαθητές μπορούν να ορίσουν παρατηρητικές, αιτιακές και αντιπαραδείγματα συμπεράσματα
- Οι μαθητές μπορούν να ορίσουν τη δικαιοσύνη χρησιμοποιώντας παρατηρητικό και αντιπαραδείγματος συλλογισμό
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
- Πιθανότητα (π.χ. από AIMA4e ή wikipedia)
- βασικές έννοιες της θεωρίας πιθανοτήτων
- πολυμεταβλητές κοινές κατανομές πιθανοτήτων, κανόνας αλυσίδας
Προαιρετικό για Φοιτητές
- Τεχνητή νοημοσύνη: Μια Σύγχρονη Προσέγγιση, 4η Παγκόσμια Εκδ. των Stuart Russell και Peter Norvig, Pearson (AIMA4e):ch16-17
Αναφορές και υπόβαθρο για τους μαθητές
- AIMA4e:ch16-17
Συνιστάται για εκπαιδευτικούς
- AIMA4e:ch16-17
- Charniak, Ε., 1991. Bayesian δίκτυα χωρίς δάκρυα. Περιοδικό AI, 12(4), σ. 50-50.
- Pearl, J., 2019. Τα επτά εργαλεία αιτιώδους συμπεράσματος, με σκέψεις σχετικά με τη μηχανική μάθηση. Ανακοινώσεις της ACM, 62(3), σ. 54-60.
Υλικό μαθήματος
Οδηγίες για τους εκπαιδευτικούς
- Υπενθύμιση: πλαίσιο ενός προβλήματος απόφασης ενός σταδίου, στοιχεία (δράση, αβεβαιότητα, χρησιμότητα/απώλεια), αρχή μέγιστης αναμενόμενης χρησιμότητας
- Υπενθύμιση: πιθανοτικά γραφικά μοντέλα, αιτιώδη διαγράμματα
- Καθορισμός στοιχείων ενός δικτύου αποφάσεων: ευκαιρία, δράση, χρησιμότητα/κόμβοι απώλειας
- Εξηγήστε τη ροή εργασίας: αποδεικτικά στοιχεία, ενέργειες, πιθανοτικά συμπεράσματα, προσδοκίες, μεγιστοποίηση της δράσης
- Παράδειγμα
- Συζητήστε την αξία των πληροφοριών
Σχεδιάγραμμα/χρονοδιάγραμμα
| Διάρκεια | Περιγραφή |
|---|---|
| 10 | Πολυμεταβλητή κοινή κατανομή: πολυωνυμική και Gaussian |
| 5 | Διαφορά μεταξύ συσχέτισης και αιτιώδους συνάφειας |
| 15 | Γενικά δίκτυα Bayesian |
| 15 | Παρατηρητικο, αιτιο και αντιπαραδειγμα συμπερασματος |
| 15 | Παράδειγμα: ορισμός της δικαιοσύνης με τη χρήση παρατηρητικού, αιτιώδους και αντιπαραδείγματος συλλογισμού |
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.