Informacje administracyjne
| Tytuł | Sieci decyzyjne |
| Czas trwania | 60 |
| Moduł | A |
| Rodzaj lekcji | Wykład |
| Skupienie | Techniczne – podstawy sztucznej inteligencji |
| Temat | Podstawy AI |
Słowa kluczowe
Naiwne sieci bayesowskie, sieci bayesowskie, sieci decyzyjne, zasada maksymalnej użyteczności eksploatacyjnej, optymalna decyzja, wnioskowanie propabilistyczne, wartość informacji,
Cele w zakresie uczenia się
- Naiwne sieci Bayesów
- Sieci Bayesowskie
- Sieci decyzyjne
- Uczniowie mogą zdefiniować wielowymiarową dystrybucję wspólną: wielomian i Gaussian
- Uczniowie mogą wyjaśnić różnicę między związkiem a przyczynowością
- Studenci mogą definiować wnioski obserwacyjne, przyczynowe i kontrfaktyczne
- Studenci mogą zdefiniować uczciwość za pomocą rozumowania obserwacyjnego i kontrfaktycznego
Oczekiwane przygotowanie
Wydarzenia edukacyjne, które należy ukończyć przed
Obowiązkowe dla studentów
- Prawdopodobieństwo (np. z AIMA4e lub Wikipedii)
- podstawowe pojęcia teorii prawdopodobieństwa
- wielowymiarowe wspólne rozkłady prawdopodobieństwa, reguła łańcucha
Opcjonalne dla studentów
- Sztuczna inteligencja: Nowoczesne podejście, 4th Global ed. Stuart Russell i Peter Norvig, Pearson (AIMA4e):ch16-17
Referencje i tło dla studentów
- AIMA4e:ch16-17
Zalecane dla nauczycieli
- AIMA4e:ch16-17
- Charniak, E., 1991. Bayesowskie sieci bez łez. Magazyn AI, 12(4), s. 50-50.
- Pearl, J., 2019 r. Siedem narzędzi wnioskowania przyczynowego, z refleksjami na temat uczenia maszynowego. Komunikaty ACM, 62(3), s. 54–60.
Materiały do lekcji
Instrukcje dla nauczycieli
- Przypomnienie: ramy jednoetapowego problemu decyzyjnego, elementy (działanie, niepewność, użyteczność/strata), zasada maksymalnej oczekiwanej użyteczności
- Przypomnienie: probabilistyczne modele graficzne, schematy przyczynowe
- Zdefiniuj elementy sieci decyzyjnej: szansa, akcja, narzędzie/utrata węzłów
- Wyjaśnij przepływ pracy: dowody, działania, wnioskowanie probabilistyczne, oczekiwania, maksymalizacja działania
- Przykład
- Przedyskutuj wartość informacji
Zarys/harmonogram czasu
| Czas trwania | Opis |
|---|---|
| 10 | Wielowymiarowa dystrybucja stawów: wielomian i Gaussian |
| 5 | Różnica między związkiem a związkiem przyczynowym |
| 15 | Ogólne sieci Bayesów |
| 15 | Wnioskowanie obserwacyjne, przyczynowe i kontrfaktyczne |
| 15 | Przykład: definicja uczciwości przy użyciu rozumowania obserwacyjnego, przyczynowego i kontrfaktycznego |
Potwierdzenia
Program Masters zorientowany na człowieka został współfinansowany przez instrument „Łącząc Europę” Unii Europejskiej w ramach grantu CEF-TC-2020-1 Umiejętności cyfrowe 2020-EU-IA-0068.