لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش استدلال در شرایط عدم قطعیت
- آخرین آپدیت
دانلود Reasoning Under Uncertainty
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره اصول بنیادی هوش مصنوعی را از منظر استدلال و تصمیمگیری در شرایط عدم قطعیت معرفی میکند. دانشجویان ابتدا بررسی میکنند که چگونه عوامل هوشمند در محیطهای نامطمئن با استفاده از تئوری احتمال، قاعده بیز و مفروضات استقلال برای بهروزرسانی باورهای خود عمل میکنند؛ مفاهیمی که زیربنای یادگیری ماشین احتمالی و تصمیمگیری دادهمحور هستند. سپس دوره به بررسی شبکههای بیزی به عنوان یک چارچوب ساختاریافته برای نمایش وابستگیهای پیچیده و انجام استنتاج میپردازد که با مدلهای گرافیکی مدرن و استدلال علی مرتبط است. در ادامه، دانشجویان استدلال احتمالی در طول زمان را با استفاده از مدلهای زمانی مانند مدلهای مارکوف پنهان مطالعه میکنند که با مدلسازی توالیهای معاصر و تخمین وضعیت در کاربردهایی مانند تشخیص گفتار و رباتیک پیوند دارد. در نهایت، این دوره به تصمیمگیری متوالی از طریق فرآیندهای تصمیمگیری مارکوف میپردازد که در آن دانشجویان یاد میگیرند چگونه سیاستهای بهینه را با استفاده از تکرار مقدار، تکرار سیاست و معادله بلمن محاسبه کنند؛ ایدههایی که پایه و اساس روشهای مدرن یادگیری تقویتشده در سیستمهایی مانند عوامل خودمختار و هوش مصنوعی بازیها را تشکیل میدهند.
سرفصل ها و درس ها
عمل در شرایط عدم قطعیت
Acting Under Uncertainty
مقدمهای بر استدلال در شرایط عدم قطعیت
Introduction to Reasoning Under Uncertainty
عمل در شرایط عدم قطعیت
Acting Under Uncertainty
مقدمهای بر احتمال
Introduction to Probability
استنتاج احتمالی
Probabilistic Inference
استقلال متغیرها
Variable Independence
استقلال شرطی
Conditional Independence
قاعده بیز
Bayes' Rule
استدلال احتمالی
Probabilistic Reasoning
شبکههای بیزی
Bayesian Networks
ساخت شبکههای بیزی
Constructing Bayes Nets
استدلال در شبکههای بیزی
Reasoning in Bayes Nets
استنتاج تقریبی: نمونهبرداری مستقیم
Approximate Inference - Direct Sampling
نمایش نظرات