Wykladowca: Marek J. Druzdzel<\/p>\n
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.<\/p>\n
Elementy teorii prawdopodobienstwa (subiektywne podejscie do prawdopodobienstwa, uaktualnianie wiedzy na podstawie twierdzenia Bayesa). Rozklad laczny prawdopodobienstwa i jego reprezentacje (drzewa prawdopodobienstw, sieci bayesowskie). Reprezentacje problem\u00f3w decyzyjnych (drzewa decyzyjne, diagramy wplywu). Dokladne i przyblizone algorytmy obliczen w sieciach bayesowskich.<\/p>\n
Uczenie sieci bayesowskich z danych i odkrywanie przyczynowosci.<\/p>\n
Pozyskiwanie prawdopodobienstw numerycznych od ekspert\u00f3w. Kanoniczne rozklady prawdopodobienstwa warunkowego: Noisy-OR\/AND i MAX\/MIN, bramki DeMorgan’a).<\/p>\n
Wybrane narzedzia do budowy i analizy modelu (test jasnosci, przyczynowosc, analiza wrazliwosci, wartosc informacji).<\/p>\n
Teoria oczekiwanej uzytecznosci. Funkcja uzytecznosci i jej paradoksy.<\/p>\n
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).<\/p>\n
Wstep do sieci bayesowskich\/Introduction to Bayesian networks<\/p>\n","protected":false},"excerpt":{"rendered":"