Informazioni amministrative
| Titolo | Teoria delle decisioni |
| Durata | 60 |
| Modulo | A |
| Tipo di lezione | Esercitazione |
| Focus | Tecnico — Fondamenti dell'IA |
| Argomento | Fondamenti dell'IA |
Parole chiave
Teorema di Bayes, utilità massima attesa, decisione ottimale, classificatore di basi, tasso di errore di Bayes,
Obiettivi di apprendimento
- Teorema di Bayes
- utilità massima prevista
- decisione ottimale
- Classificatore Bayes
- Tasso di errore Bayes
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
- Abilità di Python e panda
- Classificatore naive Bayes
- Regressione logistica
- Diagramma di influenza
Facoltativo per gli studenti
- Intelligenza artificiale: A Modern Approach, 4th Global ed. di Stuart Russell e Peter Norvig, Pearson (AIMA4e):ch12-18
Referenze e background per gli studenti
- AIMA4e:ch12-18
Consigliato per gli insegnanti
- Domingos, P. e Pazzani, M., 1997. Sull'ottimalità del semplice classificatore bayesiano sotto zero-one loss. Apprendimento automatico, 29(2), pp. 103-130.
- AIMA4e:ch12-18
Materiale didattico
Istruzioni per gli insegnanti
- Adattare il modello NBN
- Generare dati sintetici con varie dimensioni (e facoltativamente livelli di incompletezza/rumore)
- Esplora le regioni decisionali
- Durante le attività in classe, chiedere agli studenti di selezionare i casi
Schema/orario
| Durata | Descrizione | Concetti | Attività | Materiale |
|---|---|---|---|---|
| 15 | Rischio globale e locale, regioni decisionali, errore Bayes | rischio | ||
| 15 | Modelli generativi rispetto a quelli predittivi: regressione logistica vs. NBN | regressione logistica | ||
| 15 | L'apprendimento della rete Naive Bayes dai dati | Rete naive Bayes | ||
| 15 | Apprendimento di una regressione logistica dai dati | regressione logistica |
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.