Административна информация
| Дял | Теория на решенията |
| Продължителност | 60 |
| Модул | А |
| Вид на урока | Лекция |
| Фокус | Технически — основи на ИИ |
| Тема | Основи на ИИ |
Ключови думи
последващост, субективизъм, теория на вероятностите, теория на полезността, теория на решенията, оптимално решение, ограничена рационалност, удовлетвореност, когнитивни пристрастия, ефективен алтруизъм, игра извън превключвателя, последователни решения, стойност на информацията, мултивъоръжен бандит, дилема за изследване и експлоатация,
Учебни цели
- Обучаемият се запознава с неколичествени и количествени подходи към етиката
- студентите могат да определят и изчисляват оптималните решения, като използват еднолични разпределения и функции за комунални/загуби
- студентите могат да знаят елементите на мрежите за вземане на решения: стохастични/действителни/функционални възли
- студентите могат да знаят и прилагат правилото на Бейс (мултивариатно)
- студентите могат да изградят модел на Naive Bayesian Network (NBN)
- студентите могат да разширят NBN към мрежа за вземане на решения, базирана на NBN
- студентите могат да изчислят стойността на перфектната информация
Очаквана подготовка
Обучение на събития, които трябва да бъдат завършени преди
Задължително за студентите
- Вероятностно разпределение, условна вероятност, очаквана стойност (напр. от AIMA4e или wikipedia)
- Диаграма на влиянието
Незадължително за студенти
- Изкуствен интелект: A Modern Approach, 4th Global ed. от Стюарт Ръсел и Питър Норвиг, Пиърсън (AIMA4e):ch12—18
Референции и фон за студенти
- AIMA4e:ch12—18
Препоръчва се за учители
- AIMA4e:ch12—18
- Наивни Бейс Класификатор
Материали за уроци
Инструкции за учители
- Адаптиране на основната мрежа за вземане на решения за троен възел
- Намерете най-добрите и най-лошите решения
- Адаптирайте наивната мрежа Бейс
- Намерете най-ценните доказателства (функция)
- По време на дейности в клас, помолете учениците да отгатнат оптималните решения
Описание/времеви график
| Продължителност | Описание | Концепции | Дейност | Материал |
|---|---|---|---|---|
| 5 | Източници на несигурност и тълкувания на вероятността | неопределеност | ||
| 5 | Бернули и мултиномни дистрибуции | едносрочни разпределения | ||
| 5 | Аксиоми на теорията на вероятностите (адитивност) | теория на вероятностите | ||
| 5 | Елементи и графично обозначение на проблем с едноетапно решение: мрежата за вземане на решения от стохастични→функционалност/загуба на действие възли | проблем с решението | ||
| 5 | Функции за полезност и загуба, общи функции за загуба и матрици | преференции | ||
| 5 | Очаквана стойност, принципът на максимална очаквана полезност | оптимално решение | ||
| 5 | Условна вероятност и теорема на Бейс (за две променливи и с условие) | условна вероятност | ||
| 5 | Независимост и условна независимост | независимост | ||
| 5 | Пример за Naive Bayesian мрежа | Наивни Bayes мрежа | ||
| 5 | Пример за мрежа за вземане на решения, базирана на Naive Bayesian мрежа | |||
| 5 | Заден извод и избор на оптимално решение | заден извод | ||
| 5 | Между заключението на доказателствата и изчисляването на стойността на информацията | стойност на информацията |
Потвърждения
Магистърската програма по ИИ, насочена към човека, беше съфинансирана от Механизма за свързване на Европа на Европейския съюз под формата на безвъзмездни средства № CEF-TC-2020—1 Digital Skills 2020-EU-IA-0068.