Административна информация
Дял | Теория на решенията |
Продължителност | 60 |
Модул | А |
Вид на урока | Урок |
Фокус | Технически — основи на ИИ |
Тема | Основи на ИИ |
Ключови думи
Теорема на Бейс, максимална очаквана полезност, оптимално решение, класификатор на Бейс, процент на грешка в Бейс,
Учебни цели
- Теорема на Бейс
- максимална очаквана полезност
- оптимално решение
- Класификатор на Бейс
- Процент на грешка в Бейс
Очаквана подготовка
Обучение на събития, които трябва да бъдат завършени преди
Задължително за студентите
- Python и панди умения
- Наивни Бейс Класификатор
- Логистична регресия
- Диаграма на влиянието
Незадължително за студенти
- Изкуствен интелект: A Modern Approach, 4th Global ed. от Стюарт Ръсел и Питър Норвиг, Пиърсън (AIMA4e):ch12—18
Референции и фон за студенти
- AIMA4e:ch12—18
Препоръчва се за учители
- Domingos, P. and Pazzani, M., 1997 г. За оптималността на простия бейсийски класификатор при нулева загуба. Машинно самообучение, 29(2), стр. 103—130.
- AIMA4e:ch12—18
Материали за уроци
Инструкции за учители
- Адаптирайте модела на NBN
- Генериране на синтетични данни с различни размери (и по избор нива на незавършеност/шум)
- Проучване на регионите за вземане на решения
- По време на дейности в клас, помолете учениците да изберат случаи
Описание/времеви график
Продължителност | Описание | Концепции | Дейност | Материал |
---|---|---|---|---|
15 | Глобален и местен риск, региони за вземане на решения, грешка при Бейс | риск | ||
15 | Генеративни спрямо прогнозни модели: логистична регресия срещу NBN | логистична регресия | ||
15 | Изучаване на мрежата Naive Bayes от данни | Наивни Bayes мрежа | ||
15 | Изучаване на логистична регресия от данни | логистична регресия |
Потвърждения
Магистърската програма по ИИ, насочена към човека, беше съфинансирана от Механизма за свързване на Европа на Европейския съюз под формата на безвъзмездни средства № CEF-TC-2020—1 Digital Skills 2020-EU-IA-0068.