Administrativne informacije
| Naslov | Mreže za odlučivanje |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcija | Predavanje |
| Fokus | Tehnički – temelji umjetne inteligencije |
| Tema | Temelji umjetne inteligencije |
Ključne riječi
Naive Bayesian mreže,Bayesian Network,Decision Network, maximum exp princip korisnosti, optimalna odluka, probabilistički zaključak, vrijednost informacija,
Ciljevi učenja
- Naivne Bayesove mreže
- Bayesian mreže
- Mreže za odlučivanje
- Studenti mogu definirati multivarijatnu zajedničku distribuciju: multinomija i Gaussian
- Učenici mogu objasniti razliku između povezanosti i uzročnosti
- Studenti mogu definirati opservacijske, uzročne i protučinjenične zaključke
- Studenti mogu definirati pravednost koristeći opservacijsko i protučinjenično rasuđivanje
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
- Vjerojatnost (npr. iz AIMA4e ili wikipedije)
- osnovni pojmovi teorije vjerojatnosti
- multivarijatne raspodjele zajedničke vjerojatnosti, lančano pravilo
Neobvezno za studente
- Umjetna inteligencija: Moderni pristup, četvrti globalni ed. Stuart Russell i Peter Norvig, Pearson (AIMA4e):ch16 – 17
Preporuke i pozadina za studente
- AIMA4e:ch16 – 17
Preporučeno nastavnicima
- AIMA4e:ch16 – 17
- Charniak, E., 1991. Bayesian mreže bez suza. Časopis AI, 12(4), str. 50. – 50.
- Pearl, J., 2019. Sedam alata uzročno-posljedičnih zaključaka, s razmišljanjima o strojnom učenju. Priopćenja ACM-a, 62.stavak 3., str. 54. – 60.
Nastavni materijali
Upute za učitelje
- Podsjetnik: okvir problema odlučivanja u jednom koraku, elementi (djelovanje, nesigurnost, korisnost/gubitak), načelo maksimalne očekivane korisnosti
- Podsjetnik: probabilistički grafički modeli, uzročno-posljedični dijagrami
- Definirati elemente mreže odlučivanja: slučaj, akcija, komunalni/gubišni čvorovi
- Objasnite tijek rada: dokazi, akcije, probabilistički zaključci, očekivanja, maksimiziranje djelovanja
- Primjer
- Raspravljajte o vrijednosti informacija
Nacrt/vremenski raspored
| Trajanje | Opis |
|---|---|
| 10 | Multivarijatna raspodjela zglobova: multinomija i Gaussian |
| 5 | Razlika između povezanosti i uzročnosti |
| 15 | Opće Bayesian mreže |
| 15 | Opservacijski, uzročni i protučinjenični zaključak |
| 15 | Primjer: definicija pravednosti s pomoću opservacijskog, uzročnog i protučinjeničnog obrazloženja |
Priznanja
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.