Административна информация
| Дял | Заключение и предвиждане |
| Продължителност | 60 |
| Модул | А |
| Вид на урока | Лекция |
| Фокус | Технически — основи на ИИ |
| Тема | Основи на ИИ |
Ключови думи
Bayesian извод, максимална вероятност, максимум a posteriori, Bayesian модел средно.,
Учебни цели
- Обучаемите разбират основната идея на Бейсийския начин на мислене,
- Обучаемите са запознати с ML и MAP изводи с различни дистрибуции,
- Обучаемите разбират алгоритмичните аспекти на ML/MAP заключението и прогнозирането,
- Обучаемите разбират идеята за усреднения и вероятностни прогнози на Байесовия модел.
Очаквана подготовка
Обучение на събития, които трябва да бъдат завършени преди
Няма.
Задължително за студентите
- Преглед на основната теория на вероятностите.
Незадължително за студенти
Няма.
Референции и фон за студенти
- Бишъп, Кристофър М. (2006). Разпознаване на модели и машинно самообучение, глави 1 и 2. За кратък преглед на теорията на вероятностите вж. раздел 1.2.
Препоръчва се за учители
- Запознайте се с демонстрационните материали.
Материали за уроци
Инструкции за учители
Покрийте темите в очертанията на урока и демонстрирайте концепциите, като използвате интерактивните преносими компютри (максимизиране на вероятността/минимизиране на загубите, връзка между предишните, задните и броя на наблюденията). Направете кратък преглед на кода.
Описание/времеви график
| Продължителност (мин) | Описание | Концепции |
|---|---|---|
| 10 | Бейзско третиране на хвърляне на монета | наблюдение, параметър, разпределение на Бернули |
| 10 | Извод чрез максимална вероятност | вероятност, функция загуба, crossentropy |
| 10 | Демонстрация (максимизиране на вероятността) | — |
| 15 | Вероятностни изводи чрез теоремата на Бейс | предварително, задно, бета разпределение, хиперпараметри, максимум a posteriori |
| 5 | Демонстрация (предварителна и задна) | — |
| 10 | Прогностично разпределение и осредняване на модела | прогностично разпределение, осредняване на модела на Бейс |
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.