Upravne informacije
| Naslov | Teorija odločanja |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcije | Tutorial |
| Osredotočenost | Tehnični – temelji umetne inteligence |
| Tema | Temelji umetne inteligence |
Ključne besede
Bayesov izrek, maksimalna pričakovana uporabnost, optimalna odločitev, klasifikator Bayes, stopnja napake v bazi,
Učni cilji
- Bayesov izrek
- največja pričakovana uporabnost
- optimalna odločitev
- Bayes klasifikator
- Bayesova stopnja napake
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Obvezno za študente
- Python in pandas spretnosti
- Naive Bayes klasifikator
- Logistična regresija
- Diagram vpliva
Neobvezno za študente
- Umetna inteligenca: Sodobni pristop, 4. globalna avtorica Stuart Russell in Peter Norvig, Pearson (AIMA4e):ch12–18
Reference in ozadje za študente
- AIMA4e:ch12–18
Priporočeno za učitelje
- Domingos, P. in Pazzani, M., 1997. O optimalnosti preprostega Bayesian klasifikatorja pod ničelno izgubo. Strojno učenje, 29(2), str. 103–130.
- AIMA4e:ch12–18
Gradivo za učne ure
Navodila za učitelje
- Prilagodite model NBN
- Generiranje sintetičnih podatkov različnih velikosti (in po izbiri ravni nedokončanosti/hrupa)
- Raziščite regije odločanja
- Med aktivnostmi v razredu povprašajte študente, da izberejo primere
Oris/časovni razpored
| Trajanje | Opis | Koncepti | Aktivnost | Material |
|---|---|---|---|---|
| 15 | Globalno in lokalno tveganje, regije odločanja, Bayesova napaka | tveganje | ||
| 15 | Generativni proti napovedni modeli: logistična regresija v primerjavi z NBN | logistična regresija | ||
| 15 | Učenje mreže Naive Bayes iz podatkov | Mreža za naive Bayes | ||
| 15 | Učenje logistične regresije iz podatkov | logistična regresija |
Priznanja
Program Masters umetne inteligence, ki je bil vključen v človeka, je bil sofinanciran z instrumentom za povezovanje Evrope Evropske unije v okviru nepovratnih sredstev (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).