Hallinnolliset tiedot
| Otsikko | Johtopäätökset ja ennusteet |
| Kesto | 60 |
| Moduuli | A |
| Oppitunnin tyyppi | Luento |
| Keskittyminen | Tekninen – tekoälyn perusteet |
| Aihe | Tekoälyn perusteet |
Avainsanoja
Bayesilainen johtopäätös, suurin todennäköisyys, maksimaalinen posteriori, Bayesilaisen mallin keskiarvo.
Oppimistavoitteet
- Oppijat ymmärtävät bayesilaisen ajattelun perusajatuksen,
- Oppijat tuntevat ML: n ja MAP-päätelmät eri jakeluilla,
- Oppijat ymmärtävät ML/MAP-päätelmän ja ennusteen algoritmiset näkökohdat,
- Oppijat ymmärtävät Bayesilaisen mallin keskiarvon ja todennäköisyysennusteet.
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Ei mitään.
Pakollinen opiskelijoille
- Perustodennäköisyysteorian tarkastelu.
Valinnainen opiskelijoille
Ei mitään.
Referenssejä ja taustaa opiskelijoille
- Piispa, Christopher M. (2006). Kuvioiden tunnistaminen ja koneoppiminen, luku 1 ja 2. Lyhyt katsaus todennäköisyysteoriaan, ks. kohta 1.2.
Suositellaan opettajille
- Tutustu esittelymateriaaleihin.
Oppituntimateriaalit
Ohjeita opettajille
Tutustu oppitunnin aiheisiin ja demonstroi käsitteet interaktiivisten kannettavien tietokoneiden avulla (todennäköisyyden maksimointi/tappioiden minimointi, aiempien, posterioristen ja havaintojen määrän välinen suhde). Anna lyhyt yleiskatsaus koodiin.
Pääpiirteittäin/aika-aikataulu
| Kesto (min) | Kuvaus | Käsitteet |
|---|---|---|
| 10 | Bayesilainen hoito kolikon heitto | havainto, parametri, Bernoulli-jakauma |
| 10 | Päätelmä maksimaalisen todennäköisyyden kautta | todennäköisyys, häviötoiminto, crossentropia |
| 10 | Esittely (todennäköisyyden maksimointi) | — |
| 15 | Probabilistinen johtopäätös Bayesin teoreeman kautta | aiempi, posteriorinen, beeta-jakauma, hyperparametrit, maksimi a posteriori |
| 5 | Esittely (ennen ja jälkeen) | — |
| 10 | Ennakoiva jakauma ja mallin keskiarvo | ennustava jakauma, Bayesin mallin keskiarvo |
Tunnustukset
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).