[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.