Administratieve informatie
| Titel | Besluitvormingsnetwerken |
| Looptijd | 60 |
| Module | A |
| Type les | Lezing |
| Focus | Technisch — Stichtingen van AI |
| Onderwerp | Fundamenten van AI |
Sleutelwoorden
Naïeve Bayesiaanse netwerken,Bayesiaanse netwerken, besluitnetwerken, maximum exp nut principe, optimale beslissing, probabilistische gevolgtrekking, waarde van informatie,
Leerdoelen
- Naïeve Bayesiaanse netwerken
- Bayesiaanse netwerken
- Besluitvormingsnetwerken
- Studenten kunnen een multivariate gezamenlijke verdeling definiëren: multinomiaal en Gaussisch
- Studenten kunnen het verschil tussen associatie versus oorzakelijk verband verklaren
- Studenten kunnen observationele, causale en contrafeitelijke gevolgtrekking definiëren
- Studenten kunnen eerlijkheid definiëren met behulp van observationeel en contrafeitelijk redeneren
Verwachte voorbereiding
Leren van gebeurtenissen die moeten worden voltooid voordat
Verplicht voor studenten
- Waarschijnlijkheid (bijv. van AIMA4e of wikipedia)
- basisbegrippen van de waarschijnlijkheidstheorie
- multivariate gezamenlijke waarschijnlijkheidsverdelingen, ketenregel
Optioneel voor studenten
- Artificiële intelligentie: Een moderne aanpak, 4e Global door Stuart Russell en Peter Norvig, Pearson (AIMA4e): 16-17
Referenties en achtergronden voor studenten
- AIMA4e:ch16-17
Aanbevolen voor docenten
- AIMA4e:ch16-17
- Charniak, E., 1991. Bayesiaanse netwerken zonder tranen. AI magazine, 12(4), blz. 50-50.
- Pearl, J., 2019. De zeven hulpmiddelen van causale gevolgtrekking, met reflecties op machine learning. Mededelingen van de ACM, 62(3), blz. 54-60.
Lesmateriaal
Instructies voor docenten
- Herinnering: kader van een beslissingsprobleem in één stap, elementen (actie, onzekerheid, nut/verlies), maximaal verwacht nutsbeginsel
- Herinnering: probabilistische grafische modellen, causale diagrammen
- Definieer elementen van een beslissingsnetwerk: Kans-, actie-, nuts-/verliesknooppunten
- Werkstroom uitleggen: bewijs, acties, probabilistische gevolgtrekking, verwachtingen, maximalisering van de actie
- Voorbeeld
- Bespreek de waarde van informatie
Overzicht/tijdschema
| Looptijd | Omschrijving |
|---|---|
| 10 | Multivariate gezamenlijke distributie: multinomiaal en Gaussisch |
| 5 | Verschil tussen associatie versus oorzakelijk verband |
| 15 | Algemene Bayesiaanse netwerken |
| 15 | Observationele, causale en contrafeitelijke gevolgtrekking |
| 15 | Voorbeeld: definitie van billijkheid met behulp van observationele, causale en contrafeitelijke redenering |
Erkenningen
Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.