Informações administrativas
| Titulo | Tutorial: Inferência e generalização |
| Duração | 60 |
| Módulo | A |
| Tipo de aula | Tutorial |
| Foco | Técnico — Fundamentos da IA |
| Tópico | Fundamentos da IA |
Palavras-chave
inferência indutiva, inferência bayesiana, nativa Bayes,
Objetivos de aprendizagem
- Os alunos compreendem a ideia básica da inferência indutiva,
- Os alunos compreendem o tratamento Bayesiano da inferência e da previsão,
- Os alunos podem treinar um classificador naive Bayesian em conjuntos de dados do mundo real.
Preparação prevista
Eventos de aprendizagem a serem concluídos antes
Obrigatório para os Estudantes
- Uma revisão da teoria da probabilidade, especialmente a regra de Bayes
Facultativo para Estudantes
Nenhuma.
Referências e antecedentes para estudantes
- Bishop, Christopher M. (2006). Reconhecimento de padrões e aprendizagem automática, Capítulos 1 e 2. Para uma breve revisão da teoria da probabilidade, ver Secção 1.2.
Recomendado para professores
Materiais das aulas
Instruções para os professores
Prepare um ambiente de notebook Jupyter com pacotes matplotlib, numpy, scipy e scikit-learn instalados.
Calendário/horário
| Duração (min) | Descrição | Conceitos |
|---|---|---|
| 25 | Introdução aos métodos nativos Bayesianos | Regra de Bayes, suposição ingénua, inferência Bayesiana, previsão |
| 5 | Geração de dados relativos aos brinquedos | Distribuição gaussiana, probabilidades de classe anteriores, densidades condicionais de classe |
| 10 | Inferência e visualização dos parâmetros | Multivariado Gaussian pdf, parcelas de contorno |
| 10 | Previsão e visualização | Probabilidades posteriores, argmax |
| 10 | GaussianNB num conjunto de dados do mundo real | Avaliação dos classificadores, exatidão |
Agradecimentos
O programa de mestrado em IA centrado no ser humano foi cofinanciado pelo Mecanismo Interligar a Europa da União Europeia ao abrigo de subvenções CEF-TC-2020-1 Competências Digitais 2020-EU-IA-0068.