Este curso de ciência da computação ajuda você a desenvolver uma compreensão conceitual das tecnologias por trás da inteligência artificial (IA) e do papel dos métodos estocásticos na orientação da tomada de decisões. Primeiro, discutimos a tomada de decisões simples e complexas e apresentamos diferentes tipos de agentes. Identificamos agentes inteligentes, agentes reflexos simples, agentes reflexos simples com agentes internos baseados em estado, objetivos e utilitários

O curso explica como combinar a teoria da utilidade com a probabilidade para permitir que um agente selecione ações que maximizem seu desempenho esperado. Cobrimos a utilidade e a utilidade máxima esperada (MEU) minuciosamente e antes de examinar o teorema da função de utilidade e do valor das informações e da coleta de informações pelos agentes. Este curso de ciência da computação explora a teoria da decisão como uma combinação de sistemas e redes de probabilidade, utilidade e decisão. Descrevemos ideias básicas e fornecemos exemplos de aprendizado por reforço para ajudar você a entender

Em seguida, mostramos como usar o conhecimento sobre o mundo para tomar decisões mesmo quando os resultados de uma ação são incertos. O curso mostra o processo de decisão de Markov (MDP), o MDP parcialmente observável, as redes dinâmicas de decisão (DDN) e a teoria dos jogos para ajudá-lo a dominar a ciência da probabilidade. Nossa seção final se concentra nos métodos estocásticos usados para simular variáveis aleatórias. O curso apresenta os fundamentos da teoria dos conjuntos, distribuição de probabilidade e a regra bayesiana para probabilidade condicional. Este curso de ciência da computação combina o estudo da probabilidade e da tecnologia para ajudar você a entender o papel da IA na melhoria da análise e da tomada de decisões em vários campos.