Información administrativa
| Título | Redes de decisión |
| Duración | 60 |
| Módulo | A |
| Tipo de lección | Conferencia |
| Enfoque | Técnico — Fundamentos de la IA |
| Tema | Fundamentos de la IA |
Keywords
Redes bayesianas ingenuas, redes bayesianas, redes de decisión, principio máximo de utilidad exp, decisión óptima, inferencia probabilística, valor de la información,
Objetivos de aprendizaje
- Redes bayesianas ingenuas
- Redes bayesianas
- Redes de decisión
- Los estudiantes pueden definir una distribución conjunta multivariada: multinomial y Gaussian
- Los estudiantes pueden explicar la diferencia entre asociación y causalidad
- Los estudiantes pueden definir la inferencia observacional, causal y contrafactual
- Los estudiantes pueden definir la equidad utilizando el razonamiento observacional y contrafactual
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- Probabilidad (por ejemplo, de AIMA4e o wikipedia)
- conceptos básicos de la teoría de la probabilidad
- distribuciones de probabilidad conjuntas multivariadas, regla de cadena
Opcional para estudiantes
- Inteligencia artificial: Un enfoque moderno, cuarta edición global por Stuart Russell y Peter Norvig, Pearson (AIMA4e):ch16-17
Referencias y antecedentes para estudiantes
- AIMA4e:ch16-17
Recomendado para profesores
- AIMA4e:ch16-17
- Charniak, E., 1991. Redes bayesianas sin lágrimas. Revista AI, 12(4), pp. 50-50.
- Pearl, J., 2019. Las siete herramientas de inferencia causal, con reflexiones sobre el aprendizaje automático. Comunicaciones de la ACM, 62(3), pp. 54-60.
Material didáctico
Instrucciones para profesores
- Recordatorio: marco de un problema de decisión en un solo paso, elementos (acción, incertidumbre, utilidad/pérdida), principio de utilidad máxima esperada
- Recordatorio: modelos gráficos probabilísticos, diagramas causales
- Definir los elementos de una red de decisiones: oportunidad, acción, utilidad/pérdidas nodos
- Explicar el flujo de trabajo: evidencias, acciones, inferencia probabilística, expectativas, maximización de la acción
- Ejemplo
- Discutir el valor de la información
Esquema/horario de tiempo
| Duración | Descripción |
|---|---|
| 10 | Distribución articular multivariada: multinomial y Gaussian |
| 5 | Diferencia entre asociación y causalidad |
| 15 | Redes generales bayesianas |
| 15 | Inferencia observacional, causal y contrafactual |
| 15 | Ejemplo: definición de equidad mediante razonamiento observacional, causal y contrafactual |
Reconocimientos
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».