Διοικητικές πληροφορίες
| Τίτλος | Συμπέρασμα και πρόβλεψη |
| Διάρκεια | 60 |
| Ενότητα | Α |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Τεχνικά — Ιδρύματα τεχνητής νοημοσύνης |
| Θέμα | Τα θεμέλια της τεχνητής νοημοσύνης |
Λέξεις-κλειδιά
Bayesian συμπέρασμα, μέγιστη πιθανότητα, μέγιστο a posteriori, Bayesian μοντέλο κατά μέσο όρο.,
Μαθησιακοί στόχοι
- Οι μαθητές κατανοούν τη βασική ιδέα της Bayesian σκέψης,
- Οι μαθητές είναι εξοικειωμένοι με τις ML και MAP συμπεράσματα με διάφορες διανομές,
- Οι μαθητές κατανοούν τις αλγοριθμικές πτυχές του συμπεράσματος και της πρόβλεψης ML/MAP,
- Οι μαθητές κατανοούν την ιδέα του Bayesian μοντέλο μέσου όρου και πιθανοτικές προβλέψεις.
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Καμία.
Υποχρεωτικό για τους φοιτητές
- Ανασκόπηση της βασικής θεωρίας πιθανοτήτων.
Προαιρετικό για Φοιτητές
Καμία.
Αναφορές και υπόβαθρο για τους μαθητές
- Επίσκοπος, Κρίστοφερ Μ. (2006). Αναγνώριση προτύπων και μηχανική μάθηση, κεφάλαια 1 και 2. Για μια σύντομη ανασκόπηση της θεωρίας πιθανοτήτων, βλ. Ενότητα 1.2.
Συνιστάται για εκπαιδευτικούς
- Εξοικειωθείτε με τα υλικά επίδειξης.
Υλικό μαθήματος
Οδηγίες για τους εκπαιδευτικούς
Καλύψτε τα θέματα στο περίγραμμα του μαθήματος και παρουσιάστε τις έννοιες χρησιμοποιώντας τα διαδραστικά σημειωματάρια (πιθανότητα μεγιστοποίησης/ελαχιστοποίηση απώλειας, σχέση μεταξύ του προηγούμενου, του οπίσθιου και του αριθμού των παρατηρήσεων). Δώστε μια σύντομη επισκόπηση του κώδικα.
Σχεδιάγραμμα/χρονοδιάγραμμα
| Διάρκεια (ελάχ.) | Περιγραφή | Έννοιες |
|---|---|---|
| 10 | Bayesian θεραπεία ενός νομίσματος ρίψης | παρατήρηση, παράμετρος, κατανομή Bernoulli |
| 10 | Συμπέρασμα μέσω της μέγιστης πιθανότητας | πιθανότητα, λειτουργία απώλειας, crossentropy |
| 10 | Επίδειξη (μεγιστοποίηση πιθανοτήτων) | — |
| 15 | Πιθανοτικά συμπεράσματα μέσω του θεωρήματος του Bayes | προηγούμενη, οπίσθια, κατανομή βήτα, υπερπαράμετροι, μέγιστη εκ των υστέρων |
| 5 | Επίδειξη (προηγούμενη και οπίσθια) | — |
| 10 | Πρόβλεψη της κατανομής και του μέσου όρου του μοντέλου | προγνωστική κατανομή, Bayesian μοντέλο κατά μέσο όρο |
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.