Hallinnolliset tiedot
| Otsikko | Päätöksentekoverkot |
| Kesto | 60 |
| Moduuli | A |
| Oppitunnin tyyppi | Luento |
| Keskittyminen | Tekninen – tekoälyn perusteet |
| Aihe | Tekoälyn perusteet |
Avainsanoja
Naiivit bayesilaiset verkot,Bayesilaiset verkot, päätösverkot, maksimaalinen exp hyödyllisyysperiaate, optimaalinen päätös, probabilistinen johtopäätös, tiedon arvo,
Oppimistavoitteet
- Naiivit bayesilaiset verkostot
- Bayesilaiset verkostot
- Päätöksentekoverkot
- Opiskelija osaa määritellä monimuuttujan yhteisjakelun: multinomial ja Gaussian
- Opiskelija osaa selittää yhteyden ja syy-yhteyden välisen eron
- Opiskelija osaa määritellä havainnointi-, syy- ja kontrafaktuaaliset päätelmät
- Opiskelija osaa määritellä oikeudenmukaisuuden havainnointi- ja kontrafaktuaalisella päättelyllä
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Pakollinen opiskelijoille
- Todennäköisyys (esim. AIMA4e tai wikipedia)
- todennäköisyysteorian peruskäsitteet
- monimuuttujan yhteistodennäköisyysjakaumat, ketjusääntö
Valinnainen opiskelijoille
- Tekoäly: Moderni lähestymistapa, 4. Global ed. Stuart Russell ja Peter Norvig, Pearson (AIMA4e):ch16–17
Referenssejä ja taustaa opiskelijoille
- AIMA4e:ch16–17
Suositellaan opettajille
- AIMA4e:ch16–17
- Charniak, E., 1991. Bayesilaiset verkostot ilman kyyneleitä. AI-lehti, 12(4), s. 50–50.
- Pearl, J., 2019. Syy-seurausteorian seitsemän työkalua, joissa pohditaan koneoppimista. ACM:n tiedonannot, 62(3), s. 54–60.
Oppituntimateriaalit
Ohjeita opettajille
- Muistutus: yksivaiheisen päätösongelman puitteet, osatekijät (toiminta, epävarmuus, hyödyllisyys/tappio), odotetun enimmäishyödyn periaate
- Muistutus: todennäköisyydet graafiset mallit, syy-kaaviot
- Määritellään päätöksentekoverkoston osatekijät: sattuma, toiminta, hyödyllisyys/tappio solmut
- Selitä työnkulku: todisteet, toimet, todennäköisyyspäätelmä, odotukset, toiminnan maksimointi
- Esimerkki
- Keskustele tiedon arvosta
Pääpiirteittäin/aika-aikataulu
| Kesto | Kuvaus |
|---|---|
| 10 | Monimuuttujan nivelten jakautuminen: multinomial ja Gaussian |
| 5 | Yhteyden ja syy-yhteyden välinen ero |
| 15 | Yleiset Bayesilaiset verkostot |
| 15 | Havainnoiva, syy-yhteys ja kontrafaktuaalinen päätelmä |
| 15 | Esimerkki: oikeudenmukaisuuden määritelmä havainnointi-, syy- ja kontrafaktuaalisen päättelyn avulla |
Tunnustukset
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).