Informații administrative
| Titlu | Teoria deciziilor |
| Durată | 60 |
| Modulul | A |
| Tipul lecției | Tutorial |
| Focalizare | Tehnic – Fundamentele IA |
| Subiect | Fundamentele IA |
Cuvinte cheie
Teorema lui Bayes, utilitatea maximă așteptată, decizia optimă, clasificatorul Bayes, rata de eroare a golfurilor,
Obiective de învățare
- Teorema lui Bayes
- utilitate maximă așteptată
- decizie optimă
- Clasificator Bayes
- Rata de eroare Bayes
Pregătirea preconizată
Evenimente de învățare care urmează să fie finalizate înainte
Obligatoriu pentru studenți
- Abilități Python și Pandas
- Naive Bayes Clasificator
- Regresie logistică
- Diagramă de influență
Opțional pentru studenți
- Inteligența artificială: O abordare modernă, ediția a 4-a globală de Stuart Russell și Peter Norvig, Pearson (AIMA4e):ch12-18
Referințe și context pentru studenți
- AIMA4e:ch12-18
Recomandat pentru profesori
- Domingos, P. și Pazzani, M., 1997. Cu privire la optimitatea clasificatorului bayesian simplu sub o pierdere zero. Învățarea automată, 29(2), p. 103-130.
- AIMA4e:ch12-18
Materiale de lecție
Instrucțiuni pentru profesori
- Adaptați modelul NBN
- Generați date sintetice cu diferite dimensiuni (și, opțional, niveluri de incompletitate/zgomot)
- Explorați regiunile decizionale
- În timpul activităților din clasă, cereți elevilor să selecteze cazuri
Schiță/program de timp
| Durată | Descriere | Concepte | Activitate | Material |
|---|---|---|---|---|
| 15 | Risc global și local, regiuni decizionale, eroare Bayes | risc | ||
| 15 | Modele generative versus predictive: regresie logistică vs. NBN | regresie logistică | ||
| 15 | Învățarea rețelei Naive Bayes din date | Plasa Bayes naivă | ||
| 15 | Învățarea unei regresii logistice din date | regresie logistică |
Confirmări
Programul de masterat AI centrat pe om a fost cofinantat de Mecanismul pentru interconectarea Europei al Uniunii Europene sub Grantul CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.