Toma de decisiones, agentes inteligentes y procesos estocásticos

Este curso de informática lo 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 analizamos la toma de decisiones simples y complejas e introducimos diferentes tipos de agentes. Identificamos los agentes inteligentes, los agentes reflejos simples, los agentes reflejos simples con un estado interno y los agentes basados en objetivos y en la utilidad

El curso explica cómo combinar la teoría de la utilidad con la probabilidad para que un agente pueda seleccionar acciones que maximicen su rendimiento esperado. Estudiamos minuciosamente la utilidad y la utilidad máxima esperada (MEU) antes de examinar el teorema de la utilidad, la función y el valor de la información y la recopilación de información por parte de los agentes. Este curso de informática explora la teoría de la decisión como una combinación de sistemas y redes de probabilidad, utilidad y decisión. Describimos las ideas básicas y proporcionamos ejemplos de aprendizaje por refuerzo para ayudarlo a comprender 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 te explica el proceso de toma de decisiones (MDP) de Markov, el MDP parcialmente observable, las redes de decisión dinámicas (DDN) y la teoría de juegos para ayudarte a dominar la ciencia de la probabilidad. Nuestra sección final se centra en los métodos estocásticos utilizados para simular variables aleatorias. El curso presenta los conceptos básicos 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 ayudarlo a comprender el papel de la IA en la mejora del análisis y la toma de decisiones en varios campos