Procesos de toma de decisiones, agentes inteligentes y estocásticos

Este curso de informática le ayuda a desarrollar una comprensión conceptual de las tecnologías detrás de la inteligencia artificial (IA) y el papel de los métodos estocásticos para guiar la toma de decisiones. Primero discutimos la toma de decisiones simples y complejas e introducimos diferentes tipos de agentes. Identificamos agentes inteligentes, simples agentes reflejos, simples agentes reflejos con estado interno y agentes basados en objetivos y servicios públicos.

El curso explica cómo combinar la teoría de programas de utilidad con la probabilidad de habilitar un agente para seleccionar acciones que maximicen su rendimiento esperado. Cubrimos la utilidad y la utilidad máxima esperada (MEU) a fondo y antes de examinar el teorema para la función de utilidad y el valor de la información y la recopilación de información por los agentes. Este curso de informática explora la teoría de decisiones como una combinación de probabilidad, utilidad y sistemas de decisión y redes. Esbozamos ideas básicas y proporcionamos ejemplos de aprendizaje de refuerzo para ayudarle a entender la IA.

A continuación, le mostramos cómo utilizar el conocimiento sobre el mundo para tomar decisiones incluso cuando los resultados de una acción son inciertos. El curso le lleva a través del proceso de decisión de Markov (MDP), MDP parcialmente observable, redes de decisiones dinámicas (DDN) y teoría de juegos para ayudarle a dominar la ciencia de la probabilidad. Nuestra sección final se centra en los métodos estocásticos utilizados para simular variables aleatorias. El curso establece las bases de la teoría de conjuntos, la distribución de probabilidad y la regla bayesiana para la probabilidad condicional. Este curso de informática combina el estudio de la probabilidad y la tecnología para ayudarle a entender el papel de la IA en la mejora del análisis y la toma de decisiones en varios campos.