Upravne informacije
| Naslov | Vadnica: Sklepanje in posplošitev |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcije | Tutorial |
| Osredotočenost | Tehnični – temelji umetne inteligence |
| Tema | Temelji umetne inteligence |
Ključne besede
induktivno sklepanje, baješko sklepanje, naivno Bayes,
Učni cilji
- Učenci razumejo osnovno idejo induktivnega sklepanja,
- Učenci razumejo Bayesovo obravnavo sklepanja in predvidevanja,
- Učenci lahko trenirajo naivnega Bayesian klasifikatorja na realnih naborih podatkov.
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Obvezno za študente
- Pregled teorije verjetnosti, še posebej Bayesovega pravila
Neobvezno za študente
Nobenega.
Reference in ozadje za študente
- Škof, Christopher M. (2006). Prepoznavanje vzorcev in strojno učenje, poglavji 1 in 2. Za kratek pregled teorije verjetnosti glej poglavje 1.2.
Priporočeno za učitelje
Gradivo za učne ure
Navodila za učitelje
Pripravite Jupyter prenosno okolje z nameščenimi paketi za matplotlib, numpy, scipy in scikit-uarn.
Oris/časovni razpored
| Trajanje (min) | Opis | Koncepti |
|---|---|---|
| 25 | Uvod v Naive Bayesian metode | Bayesovo pravilo, naivna predpostavka, Bayesov sklep, napoved |
| 5 | Generiranje podatkov o igračah | Gaussova porazdelitev, verjetnost predhodnega razreda, pogojna gostota razreda |
| 10 | Sklepanje parametrov in vizualizacija | Multivariate Gaussian pdf, konturne ploskve |
| 10 | Napovedovanje in vizualizacija | Posteriorne verjetnosti, argmax |
| 10 | GaussianNB o naboru podatkov v resničnem svetu | Ocenjevanje klasifikatorjev, natančnost |
Priznanja
Program Masters umetne inteligence, ki je bil vključen v človeka, je bil sofinanciran z instrumentom za povezovanje Evrope Evropske unije v okviru nepovratnih sredstev (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).