Administratívne informácie
| Názov | Výukový program: Vyvodenie a zovšeobecnenie |
| Trvanie | 60 |
| Modul | A |
| Druh lekcie | Tutorial |
| Zameranie | Technické – základy umelej inteligencie |
| Téma | Základy umelej inteligencie |
Kľúčové slová
indukčná indukcia, bayesovská inferencia, naivné Bayes,
Vzdelávacie ciele
- Študenti chápu základnú myšlienku induktívneho vyvodenia,
- Študenti chápu Bayesovskú liečbu odvodov a predpovedí,
- Študenti môžu trénovať Naive Bayesian klasifikátor na reálnom svete dátových súborov.
Očakávaná príprava
Naučte sa udalosti, ktoré treba dokončiť predtým
Povinné pre študentov
- Prehľad teórie pravdepodobnosti, najmä Bayesovho pravidla
Voliteľné pre študentov
Žiadne.
Referencie a zázemie pre študentov
- Biskup, Christopher M. (2006). Rozpoznávanie vzorov a strojové učenie, kapitoly 1 a 2. Stručný prehľad teórie pravdepodobnosti nájdete v časti 1.2.
Odporúčané pre učiteľov
Učebné materiály
Pokyny pre učiteľov
Pripravte si prostredie poznámkového bloku Jupyter s nainštalovanými balíkmi matplotlib, numpy, scipy a scikit-learn.
Prehľad/časový harmonogram
| Trvanie (min) | Popis | Koncepty |
|---|---|---|
| 25 | Úvod do Naive Bayesian metód | Bayesova vláda, naivný predpoklad, Bayesov záver, predpoveď |
| 5 | Generovanie údajov o hračkách | Gaussovské rozdelenie, pravdepodobnosť predchádzajúcej triedy, podmienená hustota triedy |
| 10 | Stanovenie parametrov a vizualizácia | Multivariate Gaussian pdf, obrysové parcely |
| 10 | Predpoveď a vizualizácia | Zadná pravdepodobnosť, argmax |
| 10 | GaussianNB na dátovom súbore v reálnom svete | Hodnotenie klasifikátorov, presnosť |
Uznania
Program Masters umelej inteligencie zameraný na človeka bol spolufinancovaný z Nástroja Európskej únie na prepájanie Európy v rámci grantu CEF-TC-2020 – 1 Digitálne zručnosti 2020-EU-IA-0068.