Informacje administracyjne
| Tytuł | Teoria decyzji |
| Czas trwania | 60 |
| Moduł | A |
| Rodzaj lekcji | Wykład |
| Skupienie | Techniczne – podstawy sztucznej inteligencji |
| Temat | Podstawy AI |
Słowa kluczowe
konsekwencjonalizm, subiektywizm, teoria prawdopodobieństwa, teoria użyteczności, teoria decyzji, optymalna decyzja, ograniczona racjonalność, zadowalająca, uprzedzenia poznawcze, skuteczny altruizm, gra off-switch, decyzje sekwencyjne, wartość informacji, wieloręki bandyta, dylemat eksploracji,
Cele w zakresie uczenia się
- Uczący się zapoznaje się z nieilościowymi i ilościowymi podejściami do etyki
- studenci mogą definiować i obliczać optymalne decyzje przy użyciu niezmiennych rozkładów i funkcji użyteczności/straty
- uczniowie mogą poznać elementy sieci decyzyjnych: stochastyczne/działanie/użytkowe węzły
- studenci mogą znać i stosować zasadę Bayesa (wielowymienną)
- studenci mogą zbudować model Naive Bayesian Network (NBN)
- studenci mogą rozszerzyć NBN do sieci decyzyjnej opartej na NBN
- uczniowie mogą obliczyć wartość doskonałych informacji
Oczekiwane przygotowanie
Wydarzenia edukacyjne, które należy ukończyć przed
Obowiązkowe dla studentów
- Rozkład prawdopodobieństwa, prawdopodobieństwo warunkowe, wartość oczekiwana (np. z AIMA4e lub Wikipedii)
- Schemat wpływu
Opcjonalne dla studentów
- Sztuczna inteligencja: Nowoczesne podejście, 4th Global ed. Stuart Russell i Peter Norvig, Pearson (AIMA4e):ch12-18
Referencje i tło dla studentów
- AIMA4e:ch12-18
Zalecane dla nauczycieli
- AIMA4e:ch12-18
- Naiwny klasyfikator Bayesa
Materiały do lekcji
Instrukcje dla nauczycieli
- Dostosuj podstawową siatkę decyzji o potrójnym węzłach
- Znajdź najlepsze i najgorsze decyzje
- Adaptacja naiwnej sieci Bayesa
- Znajdź najcenniejsze dowody (funkcja)
- Podczas zajęć w klasie poproś uczniów, aby odgadli optymalne decyzje
Zarys/harmonogram czasu
| Czas trwania | Opis | Koncepcje | Działalność | Materiał |
|---|---|---|---|---|
| 5 | Źródła niepewności i interpretacje prawdopodobieństwa | niepewność | ||
| 5 | Bernoulli i dystrybucja wielomianowa | rozkłady niezmienne | ||
| 5 | Aksjomaty teorii prawdopodobieństwa (dodatkowość) | teoria prawdopodobieństwa | ||
| 5 | Elementy i graficzne zapisy jednoetapowego problemu decyzyjnego: sieć decyzyjna stochastic→utility/losaction węzłów | problem decyzyjny | ||
| 5 | Funkcje użyteczności i strat, wspólne funkcje utraty i matryce | preferencje | ||
| 5 | Wartość oczekiwana, zasada maksymalnej oczekiwanej użyteczności | optymalna decyzja | ||
| 5 | Warunkowe prawdopodobieństwo i twierdzenie Bayesa (dla dwóch zmiennych i z warunkiem) | prawdopodobieństwo warunkowe | ||
| 5 | Niezależność i warunkowa niezależność | niezależność | ||
| 5 | Przykład naiwnej sieci Bayesów | Naiwny Bayes netto | ||
| 5 | Przykład sieci decyzyjnej opartej na sieci Naive Bayesian | |||
| 5 | Późniejsze wnioskowanie i wybór optymalnej decyzji | wnioskowanie tylne | ||
| 5 | Między wnioskiem dowodowym a obliczeniem wartości informacji | wartość informacji |
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.