Vorlesung Bayes-Netze
Vortragender: Prof. Carsten Lutz
K2, Modulbereich Theorie
Mo 14-16 Cartesium 0.01
DIE VORLESUNG FÄLLT LEIDER AUS!
Kurzbeschreibung
In der Informatik und der künstlichen Intelligenz sind zu
verarbeitende Informationen sehr häufig mit Unsicherheit
verknüpft. In medizinischen Assistenzsystemen deuten
beispielsweise durchgeführte Untersuchungen immer nur mit einer
bestimmten Wahrscheinlichkeit auf eine spezielle Erkrankung hin und
auch gestellte Diagnosen sind stets mit Unsicherheit verknüpft;
ein anderes Beispiel sind Daten, die per Extraktion aus dem
Web gewonnen werden und deren Unsicherheit zum einen aus dem
unterschiedlichen Grad von Vertauen in verschiedene Webseiten und zum
anderen aus Mehrdeutigkeiten bei der Extraktion selbst
herrührt. Um unsichere Informationen verarbeiten zu können, ist
in den letzten Jahrzehnten eine große Zahl von Formalismen
entstanden, die sich in der Mehrheit auf die
Wahrscheinlichkeitstheorie als formale Grundlage stützen. Ziel
dieser Vorlesung ist es, am konkreten Beispiel der Bayes-Netze einen
solchen probabilistischen Formalismus kennenzulernen und näher zu
analysieren. Es geht dabei um die adäquate und kompakte
Repräsentation unsicherer Information, um das Schlussfolgern mit
Wahrscheinlichkeiten und um effiziente Algorithmen und deren Grenzen.
Da Bayes-Netze auch im Gebiet des maschinellen Lernens eine wichtige
Rolle spielen, wird ein Abschnitt der Vorlesung einen kurzen
Überblick über dieses Thema geben. Die notwendigen
Grundlagen aus der Theorie der Wahrscheinlichkeiten werden in der
Vorlesung eingeführt bzw. wiederholt.
Folien
Die Beispiele und Beweise an der Tafel stehen nicht in Form eines Skriptes
zur Verfügung. Mitschrift wird daher empfohlen.
Übungsaufgaben
Prüfungen
Die Prüfungsmodalitäten werden in der Vorlesung bekanntgegeben.
Literatur
- Adnan Darwiche. Modelling and Reasoning with Bayesian Networks. Cambridge University Press, 2009.
- Daphne Koller and Nir Friedman. Probabilistic Graphical Models - Principles and Techniques. MIT Press, 2009.
- Judea Pearl. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. 2. Auflage. Morgan Kaufmann, 1997.
AG Theorie der künstlichen Intelligenz