Haldusteave
| Ametinimetus | Järeldused ja ennustused |
| Kestus | 60 |
| Moodul | A |
| Õppetunni liik | Loeng |
| Keskendumine | Tehniline – AI alused |
| Teema | Tehisintellekti alused |
Võtmesõnad
Bayesi järeldused, maksimaalne tõenäosus, maksimaalne a posteriori, Bayesi mudeli keskmine.
Õpieesmärgid
- Õppijad mõistavad Bayesi mõtlemise põhiideed,
- Õppijad on tuttav ML ja MAP järeldused erinevate jaotuste,
- Õppijad mõistavad ML/MAP järelduste ja prognooside algoritmilisi aspekte,
- Õppijad mõistavad Bayesi mudeli keskmistamise ja tõenäosuslike ennustuste ideed.
Eeldatav ettevalmistamine
Õppeüritused, mis tuleb lõpetada enne
Puudub.
Kohustuslik õpilastele
- Ülevaade põhitõenäosuse teooriast.
Valikuline õpilastele
Puudub.
Viited ja taust õpilastele
- Piiskop Christopher M. (2006). Mustrite äratundmine ja masinõpe, 1. ja 2. peatükk. Tõenäosusteooria lühiülevaade on esitatud punktis 1.2.
Soovitatav õpetajatele
- Tutvuge näidismaterjalidega.
Õppematerjalid
Juhised õpetajatele
Kirjeldage õppetunni teemasid ja tutvustage kontseptsioone interaktiivsete märkmike abil (tõenäolisuse maksimeerimine/kahjumi minimeerimine, seos eelneva, tagumise ja vaatluste arvu vahel). Andke lühiülevaade koodist.
Ülevaade/ajakava
| Kestus (min) | Kirjeldus | Mõisted |
|---|---|---|
| 10 | Bayesian ravi mündi toss | vaatlus, parameeter, Bernoulli jaotus |
| 10 | Järeldus maksimaalse tõenäosuse kaudu | tõenäosus, kaotusfunktsioon, crossentropy |
| 10 | Demonstratsioon (tõenäosuse maksimeerimine) | – |
| 15 | Tõenäosuslik järeldus Bayesi teoreemi kaudu | enne, posterior, beeta jaotus, hüperparameetrid, maksimaalne a posteriori |
| 5 | Demonstratsioon (eelnev ja tagumine) | – |
| 10 | Ennustav jaotus ja mudeli keskmistamine | ennustav jaotus, Bayesi mudeli keskmine |
Tunnustused
Inimkeskse tehisintellekti magistriprogrammi kaasfinantseeris Euroopa Liidu Ühendamise Rahastu toetusega CEF-TC-2020–1 „Digioskused 2020“-EU-IA-0068.