Ce cours d'informatique vous aide à développer une compréhension conceptuelle des technologies qui sous-tendent l'intelligence artificielle (IA) et du rôle des méthodes stochastiques dans l'orientation de la prise de décision. Nous abordons d'abord la prise de décision simple et complexe et présentons différents types d'agents. Nous identifions des agents intelligents, des agents réflexes simples, des agents réflexes simples à état interne et des agents basés sur des objectifs et des utilitaires

Le cours explique comment combiner la théorie de l'utilité et les probabilités pour permettre à un agent de sélectionner des actions qui maximisent ses performances attendues. Nous abordons de manière approfondie l'utilité et l'utilité maximale attendue (MEU) avant d'examiner le théorème de la fonction d'utilité et de la valeur des informations et de la collecte d'informations par les agents. Ce cours d'informatique explore la théorie de la décision en tant que combinaison de systèmes et de réseaux de probabilité, d'utilité et de décision. Nous présentons des idées de base et fournissons des exemples d'apprentissage par renforcement pour vous aider à comprendre l'IA.

Nous vous montrons ensuite comment utiliser les connaissances du monde pour prendre des décisions, même lorsque les résultats d'une action sont incertains. Le cours vous présente le processus de décision de Markov (MDP), le MDP partiellement observable, les réseaux de décision dynamiques (DDN) et la théorie des jeux pour vous aider à maîtriser la science des probabilités. Notre dernière section se concentre sur les méthodes stochastiques utilisées pour simuler des variables aléatoires. Le cours présente les bases de la théorie des ensembles, de la distribution des probabilités et de la règle bayésienne pour les probabilités conditionnelles. Ce cours d'informatique combine l'étude des probabilités et de la technologie pour vous aider à comprendre le rôle de l'IA dans l'amélioration de l'analyse et de la prise de décision dans divers domaines.