Informazioni amministrative
| Titolo | Reti decisionali |
| Durata | 60 |
| Modulo | A |
| Tipo di lezione | Lezione |
| Focus | Tecnico — Fondamenti dell'IA |
| Argomento | Fondamenti dell'IA |
Parole chiave
Reti bayesiane ingenue, reti bayesiane, reti di decisione, principio di utilità massima exp, decisione ottimale, inferenza probabilistica, valore dell'informazione,
Obiettivi di apprendimento
- Reti bayesiane ingenue
- Reti bayesiane
- Reti decisionali
- Gli studenti possono definire una distribuzione congiunta multivariata: multinomio e gaussiano
- Gli studenti possono spiegare la differenza tra associazione e causalità
- Gli studenti possono definire l'inferenza osservazionale, causale e controfattuale
- Gli studenti possono definire l'equità utilizzando il ragionamento osservazionale e controfattuale
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
- Probabilità (ad es. da AIMA4e o wikipedia)
- concetti di base della teoria della probabilità
- distribuzioni di probabilità congiunte multivariate, regola della catena
Facoltativo per gli studenti
- Intelligenza artificiale: A Modern Approach, 4th Global ed. di Stuart Russell e Peter Norvig, Pearson (AIMA4e):ch16-17
Referenze e background per gli studenti
- AIMA4e:ch16-17
Consigliato per gli insegnanti
- AIMA4e:ch16-17
- Charniak, E., 1991. Reti bayesiane senza lacrime. Rivista AI, 12(4), pp. 50-50.
- Pearl, J., 2019. I sette strumenti di inferenza causale, con riflessioni sull'apprendimento automatico. Comunicazioni dell'ACM, 62(3), pagg. 54-60.
Materiale didattico
Istruzioni per gli insegnanti
- Promemoria: quadro di un problema decisionale monofase, elementi (azione, incertezza, utilità/perdita), principio di utilità massima prevista
- Promemoria: modelli grafici probabilistici, diagrammi causali
- Definire elementi di una rete decisionale: nodi casuali, azione, utilità/perdita
- Spiegare il flusso di lavoro: evidenze, azioni, inferenza probabilistica, aspettative, massimizzazione dell'azione
- Esempio
- Discutere il valore delle informazioni
Schema/orario
| Durata | Descrizione |
|---|---|
| 10 | Distribuzione congiunta multivariata: multinomio e gaussiano |
| 5 | Differenza tra associazione e causalità |
| 15 | Reti generali Bayesiane |
| 15 | Inferenza osservazionale, causale e controfattuale |
| 15 | Esempio: definizione di correttezza con ragionamento osservazionale, causale e controfattuale |
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.