Informações administrativas
| Titulo | Redes de decisão |
| Duração | 60 |
| Módulo | A |
| Tipo de aula | Palestra |
| Foco | Técnico — Fundamentos da IA |
| Tópico | Fundamentos da IA |
Palavras-chave
Redes Bayesianas ingénuas,Redes baiesianas,Redes de decisão, princípio de utilidade máxima da exp, decisão ótima, inferência probabilística,valor da informação,
Objetivos de aprendizagem
- Redes Bayesianas ingénuas
- Redes Bayesianas
- Redes de decisão
- Os alunos podem definir uma distribuição conjunta multivariada: multinomial e gaussiano
- Os alunos podem explicar a diferença entre associação e causalidade
- Os alunos podem definir inferência observacional, causal e contrafactual
- Os alunos podem definir a equidade usando raciocínio observacional e contrafactual
Preparação prevista
Eventos de aprendizagem a serem concluídos antes
Obrigatório para os Estudantes
- Probabilidade (por exemplo, a partir de AIMA4e ou wikipedia)
- conceitos básicos da teoria da probabilidade
- distribuições de probabilidade conjuntas multivariadas, regra da cadeia
Facultativo para Estudantes
- Inteligência artificial: A Modern Approach, 4th Global ed. por Stuart Russell e Peter Norvig, Pearson (AIMA4e):ch16-17
Referências e antecedentes para estudantes
- AIMA4e:ch16-17
Recomendado para professores
- AIMA4e:ch16-17
- Charniak, E., 1991. Redes Bayesianas sem lágrimas. Revista AI, 12(4), pp. 50-50.
- Pearl, J., 2019. As sete ferramentas da inferência causal, com reflexões sobre a aprendizagem automática. Comunicações da ACM, 62(3), pp. 54-60.
Materiais das aulas
Instruções para os professores
- Lembrete: quadro de um problema de decisão numa etapa, elementos (ação, incerteza, utilidade/perda), princípio da utilidade máxima esperada
- Lembrete: modelos gráficos probabilísticos, diagramas causais
- Definir elementos de uma rede de decisão: oportunidade, ação, utilidade/perda nós
- Explicar o fluxo de trabalho: evidências, ações, inferência probabilística, expectativas, maximização da ação
- Exemplo
- Discutir o valor da informação
Calendário/horário
| Duração | Descrição |
|---|---|
| 10 | Distribuição conjunta multivariada: multinomial e gaussiano |
| 5 | Diferença entre associação e causalidade |
| 15 | Redes da General Bayesian |
| 15 | Inferência observacional, causal e contrafactual |
| 15 | Exemplo: definição de equidade utilizando raciocínio observacional, causal e contrafactual |
Agradecimentos
O programa de mestrado em IA centrado no ser humano foi cofinanciado pelo Mecanismo Interligar a Europa da União Europeia ao abrigo de subvenções CEF-TC-2020-1 Competências Digitais 2020-EU-IA-0068.