Informations administratives
| Titre | Inférence et prédiction |
| Durée | 60 |
| Module | A |
| Type de leçon | Conférence |
| Focus | Technique — Fondements de l’IA |
| Sujet | Fondements de l’IA |
Mots-clés
Inférence bayésienne, probabilité maximale, maximum a posteriori, moyenne du modèle bayésien.
Objectifs d’apprentissage
- Les apprenants comprennent l’idée de base de la pensée bayésienne,
- Les apprenants sont familiers avec l’inférence ML et MAP avec diverses distributions,
- Les apprenants comprennent les aspects algorithmiques de l’inférence et de la prédiction ML/MAP,
- Les apprenants comprennent l’idée de la moyenne du modèle bayésien et des prédictions probabilistes.
Préparation prévue
Événements d’apprentissage à compléter avant
Aucun.
Obligatoire pour les étudiants
- Revue de la théorie des probabilités de base.
Optionnel pour les étudiants
Aucun.
Références et antécédents pour les étudiants
- Évêque, Christopher M. (2006). Reconnaissance des modèles et apprentissage automatique, chapitres 1 et 2. Pour un bref examen de la théorie des probabilités, voir la section 1.2.
Recommandé pour les enseignants
- Familiarisez-vous avec les matériaux de démonstration.
Matériel de leçon
Instructions pour les enseignants
Couvrir les sujets dans le schéma de la leçon et démontrer les concepts à l’aide des cahiers interactifs (la maximisation de la probabilité/la minimisation des pertes, la relation entre le précédent, le postérieur et le nombre d’observations). Donnez un bref aperçu du code.
Esquisse/horaire
| Durée (min) | Description | Concepts |
|---|---|---|
| 10 | Traitement bayésien d’un jet de monnaie | observation, paramètre, distribution de Bernoulli |
| 10 | Inférence via la probabilité maximale | probabilité, fonction de perte, crossentropie |
| 10 | Démonstration (optimisation de la probabilité) | — |
| 15 | Inférence probabiliste via le théorème de Bayes | antérieur, postérieur, distribution bêta, hyperparamètres, maximum a posteriori |
| 5 | Démonstration (avant et postérieure) | — |
| 10 | Distribution prédictive et moyenne des modèles | distribution prédictive, moyenne du modèle bayésien |
Remerciements
Le programme de master IA centré sur l’humain a été cofinancé par le mécanisme pour l’interconnexion en Europe de l’Union européenne dans le cadre de la subvention CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.