Questo corso di informatica ti aiuta a sviluppare una comprensione concettuale delle tecnologie alla base dell'intelligenza artificiale (AI) e del ruolo dei metodi stocastici nel guidare il processo decisionale. Per prima cosa discutiamo del processo decisionale semplice e complesso e introduciamo diversi tipi di agenti. Identifichiamo agenti intelligenti, agenti riflessi semplici, agenti riflessi semplici con agenti interni basati sullo stato e sugli obiettivi e sull'utilità

Il corso spiega come combinare la teoria dell'utilità con la probabilità per consentire a un agente di selezionare azioni che massimizzino le prestazioni previste. Tratteremo a fondo l'utilità e l'utilità massima attesa (MEU) e prima di esaminare il teorema della funzione di utilità e del valore delle informazioni e della raccolta delle informazioni da parte degli agenti. Questo corso di informatica esplora la teoria delle decisioni come combinazione di sistemi e reti di probabilità, utilità e decisione. Delineiamo le idee di base e forniamo esempi di apprendimento per rinforzo per aiutarti a comprendere l'

Ti mostriamo quindi come utilizzare la conoscenza del mondo per prendere decisioni anche quando i risultati di un'azione sono incerti. Il corso illustra il processo decisionale di Markov (MDP), l'MDP parzialmente osservabile, le reti decisionali dinamiche (DDN) e la teoria dei giochi per aiutarti a padroneggiare la scienza della probabilità. La nostra sezione finale si concentra sui metodi stocastici utilizzati per simulare variabili casuali. Il corso espone le basi della teoria degli insiemi, della distribuzione delle probabilità e della regola bayesiana per la probabilità condizionata. Questo corso di informatica combina lo studio della probabilità e della tecnologia per aiutarti a comprendere il ruolo dell'IA nel migliorare l'analisi e il processo decisionale in