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
- Το θεώρημα του Μπέις
- μέγιστη αναμενόμενη χρησιμότητα
- βέλτιστη απόφαση
- Ταξινομητής Bayes
- Ποσοστό σφάλματος Bayes
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
- Python και Pandas Δεξιότητες
- Αφελής ταξινόμηση Bayes
- Υλικοτεχνική παλινδρόμηση
- Διάγραμμα επιρροής
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
- Προσαρμογή του μοντέλου NBN
- Δημιουργήστε συνθετικά δεδομένα με διάφορα μεγέθη (και προαιρετικά επίπεδα ανολοκλήρωσης/θόρυβου)
- Εξερευνήστε τις περιφέρειες λήψης αποφάσεων
- Κατά τη διάρκεια των δραστηριοτήτων στην τάξη, ζητήστε από τους μαθητές να επιλέξουν περιπτώσεις
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.