Administrativne informacije
| Naslov | Vodič: Zaključak i generalizacija |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcija | Udžbenik |
| Fokus | Tehnički – temelji umjetne inteligencije |
| Tema | Temelji umjetne inteligencije |
Ključne riječi
induktivno zaključivanje, Bayesov zaključak, Naive Bayes,
Ciljevi učenja
- Učenici razumiju osnovnu ideju induktivnog zaključivanja,
- Učenici razumiju Bayesian tretman zaključaka i predviđanja,
- Učenici mogu trenirati naivnog Bayesian klasifikatora o stvarnim skupovima podataka.
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
- Pregled teorije vjerojatnosti, osobito Bayesova pravila
Neobvezno za studente
Nijedan.
Preporuke i pozadina za studente
- Bishop, Christopher M. (2006.). Prepoznavanje uzoraka i strojno učenje, poglavlja 1. i 2. Za kratki pregled teorije vjerojatnosti vidjeti odjeljak 1.2.
Preporučeno nastavnicima
Nastavni materijali
Upute za učitelje
Pripremite okruženje za prijenosno računalo Jupyter s ugrađenim paketima matplotlib, numpy, scipy i scikit.
Nacrt/vremenski raspored
| Trajanje (min) | Opis | Koncepti |
|---|---|---|
| 25 | Uvod u naive Bayesove metode | Bayesovo pravilo, naivna pretpostavka, Bayesov zaključak, predviđanje |
| 5 | Generiranje podataka o igračkama | Gaussova distribucija, prethodne vjerojatnosti klase, uvjetne gustoće razreda |
| 10 | Zaključak o parametrima i vizualizacija | Multivarijatni Gaussian pdf, obriši parcele |
| 10 | Predviđanje i vizualizacija | Stražnje vjerojatnosti, argmax |
| 10 | GaussianNB o stvarnom skupu podataka | Ocjenjivanje klasifikatora, točnost |
Priznanja
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.