Información administrativa
| Título | Tutorial: Inferencia y generalización |
| Duración | 60 |
| Módulo | A |
| Tipo de lección | Tutorial |
| Enfoque | Técnico — Fundamentos de la IA |
| Tema | Fundamentos de la IA |
Keywords
inferencia inductiva, inferencia bayesiana, Bayes ingenuos,
Objetivos de aprendizaje
- Los estudiantes entienden la idea básica de la inferencia inductiva,
- Los estudiantes entienden el tratamiento bayesiano de la inferencia y la predicción,
- Los estudiantes pueden entrenar a un clasificador Naive Bayesian en conjuntos de datos del mundo real.
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- Una revisión de la teoría de la probabilidad, especialmente la regla de Bayes
Opcional para estudiantes
Ninguno.
Referencias y antecedentes para estudiantes
- Obispo, Christopher M. (2006). Reconocimiento de patrones y aprendizaje automático, capítulos 1 y 2. Para una breve revisión de la teoría de la probabilidad, véase la Sección 1.2.
Recomendado para profesores
Material didáctico
Instrucciones para profesores
Prepare un entorno de portátil Jupyter con paquetes matplotlib, numpy, scipy y scikit-learn instalados.
Esquema/horario de tiempo
| Duración (min) | Descripción | Conceptos |
|---|---|---|
| 25 | Introducción a los métodos bayesianos ingenuos | Regla de Bayes, suposición ingenua, inferencia bayesiana, predicción |
| 5 | Generación de datos de juguetes | Distribución gaussiana, probabilidades de clase previa, densidades condicionales de clase |
| 10 | Inferencia y visualización de parámetros | Multivariante Gaussian pdf, gráficos de contorno |
| 10 | Predicción y visualización | Probabilidades posteriores, argmax |
| 10 | GaussianNB en un conjunto de datos del mundo real | Evaluación de los clasificadores, exactitud |
Reconocimientos
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».