CENG 533

Olasılıksal Çıkarsama

Çizgesel Olasılık Modelleri. Bayes Çıkarsaması. Bayes Ağları. Bayes Ağlarında Öğrenme. Bilgi Mühendisliği. Zamansal Modeller. Dinamik Bayes Ağlarında Çıkarsama. Markov Karar Verme Süreçleri.

Dersin Amacı

Bu ders kapsamında belirsizliğin modellenmesi ve belirsizlik altında karar verme sürecinde karşılaşılan sorunlarda kullanılabilecek olasılıksal çıkarsamaya dayalı çözüm yaklaşımları tartışılmaktadır.

Kaynakça

Bayesian Artificial Intelligence; Kevin B. Korb, Ann E. Nicholson; Chapman & Hall/CRC, 2004. ,Learning Bayesian Networks; Richard E. Neapolitan, Prentice Hall, 2003. ,Probabilistic Reasoning in Intelligent Systems (2nd Edition); Judea Pearl; Morgan Kaufmann Publishers Inc., 1988.

Öğrenim Çıktıları

1. Belirsizlik kavramını öğretmek

2. Çizgesel olasılıksal modelleri öğretmek

3. Bayes ağlarında çıkarsama ve öğrenmenin kavratılması

4. Bayes ağları temelli uygulama geliştirmek

Konular
Giriş
Olasılıkta çizgesel modeller
Belirsizliklerin olduğu bir ortamda bilginin temsil edilmesi
Bayes çıkarsaması
Bayes ağlarında çıkarsama
Bayes ağlarında öğrenme
Özet ve Vize
Bilgi Mühendisliği
Bayes ağlarında çeşitli uygulamalar
Zaman bazlı modeller
Dinamik Bayes Ağlarında Çıkarsama
Markov Karar Verme Süreçleri
Kismen Gözlemlenebilen Markov Karar Verme Süreçleri
Proje Sunumları

Notlandırma

Vize : %15

Ödev : %20

Araştırma Sunumu: %30

Final : %35