Administrativne informacije
| Naslov | Teorija odluka |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcija | Predavanje |
| Fokus | Tehnički – temelji umjetne inteligencije |
| Tema | Temelji umjetne inteligencije |
Ključne riječi
posljedični, subjektivizam, teorija vjerojatnosti, teorija korisnosti, teorija odluke, optimalna odluka, ograničena racionalnost, satisficiranje, kognitivna pristranost, učinkovit altruizam, igra off-switch, sekvencijalne odluke, vrijednost informacija, multi-oružani bandit, dilema istraživanja-iskorištavanja,
Ciljevi učenja
- Učenik se upoznaje s nekvantitativnim i kvantitativnim etičkim pristupima
- studenti mogu definirati i izračunati optimalne odluke koristeći jednostruke raspodjele i funkcije korisnosti/gubitka
- studenti mogu znati elemente mreža odlučivanja: stohastički/akcijski/kompletni čvorovi
- studenti mogu znati i primijeniti Bayesovo pravilo (multivarijat)
- studenti mogu izgraditi model naive Bayesian Network (NBN)
- studenti mogu proširiti NBN na mrežu odlučivanja temeljenu na NBN-u
- studenti mogu izračunati vrijednost savršenih informacija
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
- Distribucija vjerojatnosti, uvjetna vjerojatnost, očekivana vrijednost (npr. iz AIMA4e ili wikipedije)
- Dijagram utjecaja
Neobvezno za studente
- Umjetna inteligencija: A Modern Approach, 4th Global ed. Stuart Russell i Peter Norvig, Pearson (AIMA4e):ch12 – 18
Preporuke i pozadina za studente
- AIMA4e:ch12 – 18
Preporučeno nastavnicima
- AIMA4e:ch12 – 18
- Naivni Bayes klasifikator
Nastavni materijali
Upute za učitelje
- Prilagodite osnovnu mrežu odluke o trostrukom čvoru
- Donosimo najbolje i najgore odluke
- Prilagodite naivnu mrežu Bayesa
- Pronađite najvrjednije dokaze (značajke)
- Tijekom aktivnosti u razredu, zamolite učenike da pogodite optimalne odluke
Nacrt/vremenski raspored
| Trajanje | Opis | Koncepti | Aktivnost | Materijal |
|---|---|---|---|---|
| 5 | Izvori neizvjesnosti i tumačenja vjerojatnosti | nesigurnosti | ||
| 5 | Bernoulli i multinomska distribucija | jednovarijatne raspodjele | ||
| 5 | Aksiomi teorije vjerojatnosti (zavisnost) | teorija vjerojatnosti | ||
| 5 | Elementi i grafički prikaz problema odlučivanja u jednom koraku: mreža stohastičkih čvorova za donošenje odluka→utilnost/gustoća | problem odlučivanja | ||
| 5 | Funkcije korisnosti i gubitka, uobičajene funkcije gubitka i matrice | preferencije | ||
| 5 | Očekivana vrijednost, načelo maksimalne očekivane korisnosti | optimalna odluka | ||
| 5 | Uvjetna vjerojatnost i Bayesov teorem (za dvije varijable i uz uvjet) | uvjetna vjerojatnost | ||
| 5 | Neovisnost i uvjetna neovisnost | neovisnost | ||
| 5 | Primjer naivne Bayesove mreže | Naivna mreža Bayes | ||
| 5 | Primjer mreže odlučivanja na temelju naive Bayesove mreže | |||
| 5 | Stražnji zaključak i odabir optimalne odluke | stražnji zaključak | ||
| 5 | Između dokaza i izračuna vrijednosti informacija | vrijednost informacija |
Priznanja
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.