Administrativní informace
| Název | Tutoriál: Vyvozování a generalizace |
| Trvání | 60 |
| Modul | A |
| Typ lekce | Tutoriál |
| Soustředění | Technické – Základy umělé inteligence |
| Téma | Základy umělé inteligence |
Klíčová slova
indukční inference, bayesovská indukce, naivní Bayes,
Vzdělávací cíle
- Studenti chápou základní myšlenku induktivní indukční indukce,
- Studenti chápou Bayesovskou léčbu dedukce a predikce,
- Studenti mohou trénovat naivní bayesovský klasifikátor na reálných datových sadách.
Očekávaná příprava
Vzdělávací akce, které mají být dokončeny před
Povinné pro studenty
- Přehled teorie pravděpodobnosti, zejména Bayesova pravidla
Volitelné pro studenty
Žádné.
Reference a zázemí pro studenty
- Biskup, Christopher M. (2006). Rozpoznávání vzorů a strojové učení, kapitoly 1 a 2. Stručný přehled teorie pravděpodobnosti viz oddíl 1.2.
Doporučeno pro učitele
Materiály pro výuku
Pokyny pro učitele
Připravte si prostředí poznámkového bloku Jupyter s nainstalovanými balíčky matplotlib, numpy, scipy a scikit-learn.
Osnova/časový rozvrh
| Doba trvání (min) | Popis | Koncepty |
|---|---|---|
| 25 | Úvod do naivních bayesovských metod | Bayesovo pravidlo, naivní předpoklad, Bayesovská dedukce, předpověď |
| 5 | Generování údajů o hračkách | Gaussovské rozdělení, pravděpodobnosti předchozí třídy, podmíněné hustoty třídy |
| 10 | Inference a vizualizace parametrů | Vícerozměrné Gaussian pdf, obrysové parcely |
| 10 | Predikce a vizualizace | Zadní pravděpodobnost, argmax |
| 10 | GaussianNB v reálném světě | Hodnocení klasifikátorů, přesnost |
Potvrzení
Program Human-Centered AI Masters byl spolufinancován Nástrojem Evropské unie pro propojení Evropy v rámci grantu CEF-TC-2020–1 Digitální dovednosti 2020-EU-IA-0068.