Wykladowca: Marek J. Druzdzel
Wstep: podejmowanie decyzji, niepewnosc, preferencje i decyzje, motywacja do wspomagania decyzji, systemy wspomagania decyzji, zawartosc przedmiotu. Propozycja projektu. Zasoby literatury, modeli i narzedzi. Narzedzia uzywane w przedmiocie: GeNIe i SMILE.
Elementy teorii prawdopodobienstwa (subiektywne podejscie do prawdopodobienstwa, uaktualnianie wiedzy na podstawie twierdzenia Bayesa). Rozklad laczny prawdopodobienstwa i jego reprezentacje (drzewa prawdopodobienstw, sieci bayesowskie). Reprezentacje problemów decyzyjnych (drzewa decyzyjne, diagramy wplywu). Dokladne i przyblizone algorytmy obliczen w sieciach bayesowskich.
Uczenie sieci bayesowskich z danych i odkrywanie przyczynowosci.
Pozyskiwanie prawdopodobienstw numerycznych od ekspertów. Kanoniczne rozklady prawdopodobienstwa warunkowego: Noisy-OR/AND i MAX/MIN, bramki DeMorgan’a).
Wybrane narzedzia do budowy i analizy modelu (test jasnosci, przyczynowosc, analiza wrazliwosci, wartosc informacji).
Teoria oczekiwanej uzytecznosci. Funkcja uzytecznosci i jej paradoksy.
Przetwarzanie niepewnosci przez czlowieka (racjonalnosc, psychologia podejmowania decyzji, szacowanie w warunkach niepewnosci, heurystyki i uprzedzenia, podstawy podejscia do wspomagania decyzji w oparciu o analize decyzji, normatywne podstawy teorii prawdopodobienstwa i teorii uzytecznosci).
Wstep do sieci bayesowskich/Introduction to Bayesian networks