Administrativne informacije
| Naslov | Teorija odluka |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcija | Udžbenik |
| Fokus | Tehnički – temelji umjetne inteligencije |
| Tema | Temelji umjetne inteligencije |
Ključne riječi
Bayesov teorem, maksimalan očekivani korisnost, optimalna odluka,Bayesov klasifikator, Bayesova stopa pogreške,
Ciljevi učenja
- Bayesov teorem
- najveća očekivana korisnost
- optimalna odluka
- Bayesov klasifikator
- Bayesova stopa pogreške
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
- Python i pandas vještine
- Naivni Bayes klasifikator
- Logistička regresija
- Dijagram utjecaja
Neobvezno za studente
- Umjetna inteligencija: A Modern Approach, 4th Global ed. Stuart Russell i Peter Norvig, Pearson (AIMA4e):ch12 – 18
Preporuke i pozadina za studente
- AIMA4e:ch12 – 18
Preporučeno nastavnicima
- Domingos, P. i Pazzani, M., 1997. O optimalnosti jednostavnog Bayesova klasifikatora pod nultim gubitkom. Strojno učenje, 29(2), str. 103. – 130.
- AIMA4e:ch12 – 18
Nastavni materijali
Upute za učitelje
- Prilagoditi model NBN-a
- Generiranje sintetičkih podataka različitih veličina (i neobvezno nedovršenosti/razine buke)
- Istraži regije u kojima se donose odluke
- Tijekom aktivnosti u razredu, zamolite učenike da odaberu slučajeve
Nacrt/vremenski raspored
| Trajanje | Opis | Koncepti | Aktivnost | Materijal |
|---|---|---|---|---|
| 15 | Globalni i lokalni rizik, regije odlučivanja, Bayesova pogreška | rizik | ||
| 15 | Generativni naspram prediktivnih modela: logistička regresija u odnosu na NBN | logistička regresija | ||
| 15 | Učenje naivnih zaljeva neto na temelju podataka | Naivna mreža Bayes | ||
| 15 | Učenje o logističkoj regresiji iz podataka | logistička regresija |
Priznanja
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.