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

  • استنتاج تقریبی: نمونه‌برداری گیبز Approximate Inference - Gibbs Sampling

استدلال احتمالی در طول زمان Probabilistic Reasoning over time

  • مقدمه‌ای بر استدلال احتمالی در طول زمان Introduction To Probabilistic Reasoning Over Time

  • استنتاج در مدل‌های زمانی: فیلترینگ Inference in Temporal Models - Filtering

  • استنتاج در مدل‌های زمانی: پیش‌بینی Inference in Temporal Models - Prediction

  • استنتاج در مدل‌های زمانی: هموارسازی Inference in Temporal Models - Smoothing

  • الگوریتم ویتربی: یافتن محتمل‌ترین توالی وضعیت‌ها Viterbi - Finding the Most Likely State Sequency

  • مدل‌های مارکوف پنهان و سایر مدل‌های وضعیت پنهان HMMs and Other Hidden State Models

تصمیمات مبتنی بر مطلوبیت Utility Based Decisions

  • تصمیمات متوالی و حداکثر مطلوبیت مورد انتظار Sequential Decisions and Maximum Expected Utility

  • سیاست‌ها برای فرآیند تصمیم‌گیری مارکوف Policies for Markov Decision Process

  • مقدمه‌ای بر تکرار مقدار: معادلات بلمن Introduction to Value Iteration - Bellman Equations

  • تکرار سیاست Policy Iteration

نمایش نظرات

آموزش استدلال در شرایط عدم قطعیت
جزییات دوره
11h 52m
22
(آخرین آپدیت)
516
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده