Informații administrative
| Titlu | Tutorial: Inferență și generalizare |
| Durată | 60 |
| Modulul | A |
| Tipul lecției | Tutorial |
| Focalizare | Tehnic – Fundamentele IA |
| Subiect | Fundamentele IA |
Cuvinte cheie
inferență inductivă, inferență bayesiană, Bayes naiv,
Obiective de învățare
- Elevii înțeleg ideea de bază a inducției inductive,
- Elevii înțeleg tratamentul bayesian al inferenței și predicției,
- Elevii pot instrui un clasificator Bayesian Naive pe seturi de date din lumea reală.
Pregătirea preconizată
Evenimente de învățare care urmează să fie finalizate înainte
Obligatoriu pentru studenți
- O revizuire a teoriei probabilităților, în special a regulii lui Bayes
Opțional pentru studenți
Nici unul.
Referințe și context pentru studenți
- Bishop, Christopher M. (2006). Recunoașterea modelelor și învățarea automată, capitolele 1 și 2. Pentru o scurtă analiză a teoriei probabilităților, a se vedea secțiunea 1.2.
Recomandat pentru profesori
Materiale de lecție
Instrucțiuni pentru profesori
Pregătiți un mediu notebook Jupyter cu pachete matplotlib, numpy, scipy și scikit-learn instalate.
Schiță/program de timp
| Durată (min) | Descriere | Concepte |
|---|---|---|
| 25 | Introducere în metodele bayesiene Naive | Regula lui Bayes, presupunere naivă, inferență bayesiană, predicție |
| 5 | Generarea de date privind jucăriile | Distribuție Gaussiană, probabilități de clasă anterioare, densități condiționate de clasă |
| 10 | Inferența parametrilor și vizualizarea | Multivariate Gaussian pdf, parcele contur |
| 10 | Predicție și vizualizare | Probabilități posterioare, argmax |
| 10 | GaussianNB privind un set de date din lumea reală | Evaluarea clasificatorilor, acuratețea |
Confirmări
Programul de masterat AI centrat pe om a fost cofinantat de Mecanismul pentru interconectarea Europei al Uniunii Europene sub Grantul CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.