[denne side på wiki][indeks][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Forelæsning: Slutning og forudsigelse

Administrative oplysninger

Titel Slutning og forudsigelse
Varighed 60
Modul A
Lektionstype Forelæsning
Fokus Teknisk — Grundlæggelser af kunstig intelligens
Emne Fundamentet for AI

Nøgleord

Bayesian slutning, maksimal sandsynlighed, maksimum efterfølgende, Bayesian model gennemsnit.,

Læringsmål

Forventet forberedelse

Læringsbegivenheder, der skal fuldføres før

Ingen.

Obligatorisk for studerende

  • Gennemgang af grundlæggende sandsynlighedsteori.

Valgfrit for studerende

Ingen.

Referencer og baggrund for studerende

  • Biskop, Christopher M. (2006). Mønstergenkendelse og maskinlæring, kapitel 1 og 2. For en kort gennemgang af sandsynlighedsteorien, se afsnit 1.2.

Anbefalet til lærerne

  • Gør sig bekendt med demonstrationsmaterialet.

Undervisningsmaterialer

Instruktioner til lærerne

Beskriv emnerne i lektionsoversigten og demonstrere begreberne ved hjælp af interaktive notesbøger (sandsynlighed maksimering/tab minimering, forholdet mellem den forudgående, bageste og antallet af observationer). Giv et kort overblik over koden.

Oversigt/tidsplan

Varighed (min) Beskrivelse Koncepter
10 Bayesian behandling af en mønt kaste observation, parameter, Bernoulli distribution
10 Inferens via maksimal sandsynlighed sandsynlighed, tabsfunktion, krydsentropi
10 Demonstration (sandsynlighedsmaksimering) —
15 Probabilistisk slutning via Bayes' sætning forudgående, bagerste, beta distribution, hyperparametre, maksimum en posteriori
5 Demonstration (før og efter) —
10 Prædiktiv distribution og modelgennemsnit prædiktiv distribution, Bayesian model i gennemsnit

Anerkendelser

Programmet Human-Centered AI Masters blev samfinansieret af Connecting Europe-faciliteten i Den Europæiske Union under tilskud CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.