[αυτή η σελίδα στο wiki][δείκτης][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Φροντιστήριο: Θεωρία αποφάσεων

Διοικητικές πληροφορίες

Τίτλος Θεωρία αποφάσεων
Διάρκεια 60
Ενότητα Α
Είδος μαθήματος Φροντιστήριο
Εστίαση Τεχνικά — Ιδρύματα τεχνητής νοημοσύνης
Θέμα Τα θεμέλια της τεχνητής νοημοσύνης

Λέξεις-κλειδιά

Θεώρημα Bayes, μέγιστη αναμενόμενη χρησιμότητα, βέλτιστη απόφαση, ταξινομητής Bayes, ποσοστό σφάλματος Bayes,

Μαθησιακοί στόχοι

Αναμενόμενη προετοιμασία

Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν

Υποχρεωτικό για τους φοιτητές

Προαιρετικό για Φοιτητές

  • Τεχνητή νοημοσύνη: Μια Σύγχρονη Προσέγγιση, 4η Παγκόσμια Εκδ. των Stuart Russell και Peter Norvig, Pearson (AIMA4e):ch12-18

Αναφορές και υπόβαθρο για τους μαθητές

  • AIMA4e:ch12-18

Συνιστάται για εκπαιδευτικούς

  • Domingos, P. and Pazzani, Μ., 1997. Σχετικά με τη βελτιστοποίηση της απλής ταξινόμησης Bayesian κάτω από μηδέν-μία απώλεια. Μηχανική μάθηση, 29(2), σ. 103-130.
  • AIMA4e:ch12-18

Υλικό μαθήματος

Οδηγίες για τους εκπαιδευτικούς

Σχεδιάγραμμα/χρονοδιάγραμμα

Διάρκεια Περιγραφή Έννοιες Δραστηριότητα Υλικό
15 Παγκόσμιος και τοπικός κίνδυνος, περιφέρειες λήψης αποφάσεων, σφάλμα Bayes κίνδυνος
15 Παραγωγικά έναντι προγνωστικά μοντέλα: υλικοτεχνική παλινδρόμηση έναντι NBN υλικοτεχνική παλινδρόμηση
15 Εκμάθηση του Naive Bayes net από τα δεδομένα Δίχτυ αφελούς Bayes
15 Εκμάθηση μιας υλικοτεχνικής παλινδρόμησης από τα δεδομένα υλικοτεχνική παλινδρόμηση

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.