Garantie de satisfaction à 100% Disponible immédiatement après paiement En ligne et en PDF Tu n'es attaché à rien
logo-home
Volledige samenvatting van de cursus AI voor iedereen 15/20 1e zit €8,99   Ajouter au panier

Resume

Volledige samenvatting van de cursus AI voor iedereen 15/20 1e zit

 25 vues  1 fois vendu

Dit document bevat een volledige samenvatting van de lessen AI voor iedereen. (Beide modules: Methodologisch en Ethisch kader, Essentiële AI-algoritmen voor niet-ingenieurs) Perfect voor het studeren van het examen. Bevat alle theorie, voorbeelden en extra uitleg. 15/20 1e zit

Aperçu 4 sur 49  pages

  • 9 juin 2024
  • 49
  • 2023/2024
  • Resume
Tous les documents sur ce sujet (2)
avatar-seller
AlexVos
Samenvatting cursus
Deel 1: Methodologisch en Ethisch kader
H0: Inleiding
Wat is AI?
- McCarthy, Minsky, Rochestor and Shannon - The Dartmouth Summer
Research Project on AI (1956): Conjecture that every aspect of learning or
any other features of intelligence can in principle be so precisely described
that a machine can be made to simulate it.
 Elk aspect van leren of onderdeel van intelligentie kan worden
opgesplitst in kleine onderdelen en beschreven worden zodat het
gesimuleerd kan worden door een computer
- Herbert Simon: Machines that exhibit behaviors that would be regarded
intelligent if they were exhibited by human beings.
 Machines die gedrag vertonen dat bij mensen als intelligent zou
beschouwd worden
- Elaine Rich and Kevin Knight: AI is the study of how to make computers do
things at which, at the moment, people are better.
- Stuart Russell and Peter Norvig: Machines that do the right thing (they act
rationally)
 De juiste beslissingen nemen, dat kan je formaliseren als een
optimalisatieprobleem
Doorbraken in AI:
 bv. AlphaGo, AtariVideoGames, Poker Texas Hold’em
 Zelfrijdende wagens
 Teks ten taal: Alexa en siri (virtuele assistenten)
 Medical imaging: Gegeven de juiste data, patronen en modellen die
voorspellingen kunnen doen en inzichten geven
 ChatGPT
 Dall-E-2
 Marketing en politiek
 Large Language Models: Autoregressief, tokens om woorden af te
maken via Bayes
Twee aspecten aan AI
 Thinking fast: leren, datagedreven AI, symbolisch
Bv. Oplossen van 2+2, herkennen personen
 Thinking slow: redeneren, kennisgedreven AI, subsymbolisch
Bv. Redeneren over wiskundige vraagstukken, een route plannen
 AI heeft zowel redeneren als leren nodig!
Machine Learning

,Een machine leert wanneer zijn performantie (zijn prestaties) op een bepaalde
taak verbetert met ervaring
 Centraal voor Artificiële Intelligentie, er is geen intelligentie zonder leren.
Bv. Spamfilter: Machine = e-mail programma, spamfilter, Taak = classificeren van
e-mails, Performantie = nauwkeurigheid, Ervaring = voorbije input
Waarom Machinaal Leren?
 Het is algemeen toepasbaar als er (veel) data is (Regelmaat uit de data
halen)
 Het is heel praktisch: sommige programma’s (software) kunnen niet met
de hand geprogrammeerd worden (spam, go, beeldherkenning,
zelfrijdende auto’s, automatische vertaling, … )
 Het is makkelijker om data te genereren dan een programma te schrijven
 Het laat toe om software te personaliseren
 Analyse van data (data mining), ontdekken van nieuwe kennis
 “we are drowning in data but starving for knowledge”: “we verdrinken in
data maar zijn dorstig naar kennis”
Heel wat toepassingen, De technologie die het mogelijk maakt om:
 Natuurlijk taal te verwerken, te zoeken op het web, …
 Beeld- en spraakherkenning
 Robotica (& zelfrijdende auto’s)
 Bioinformatica
 Marketing
 Medische toepassingen
Hoe werkt machinaal leren?
Machine learning gaat over het leren van functies f(input) => output.
 Verschillende types van functies
 Verschillende types van data (supervised, unsupervised, reinforcement …)
 Verschillende criteria (de verliesfunctie)
Je wil de beste functie vinden m.b.t. die verliesfunctie en de data.
 Machine learning is eigenlijk automatisch programmeren (er zijn
verschillende scholen in machinaal leren)
3 soorten:
 Gesuperviseerd leren: leren uit voorbeelden
Bv. Goede/slechte zetten uit tekstboeken of van een leraar
 Behavioral cloning: leren uit imitatie
Bv. Imiteer de wereldkampioen
 Reinforcement learning/ bekrachtigingsleren: leren uit beloningen
Speel het spel, beloning = gewonnen stukken/partijen

,Toepassing: Menace (Donald Michie) = Machine Educable Noughts And Crosses
Engine
 OXO: De parel die je kiest bepaalt de volgende zet, als het een goede zet is
leg je een extra parel in het doosje (Hogere zetten krijgen hogere kans)
 Elk luciferdoosje is 1 bordsituatie
 Machine = 287 “boxes” + parels Probabilistic functie
 P(box, kleur) = waarschijnlijkheid van zet Leer een functie
 Als je verliest: bewaar alle gebruikte parels
 Als je wint: plaats de gebruikte parels terug op hun plaats en voeg er een
extra parel van dezelfde kleur aan toe.
 Bekrachtigingsleren




Automatisch Redeneren
Een machine redeneert als het voor verschillende vragen conclusies kan afleiden
door domeinkennis (model) te gebruiken
 Centraal voor Artificiële Intelligentie, er is geen intelligentie zonder
redeneren.
Bv. Oplossen van wiskundige vraagstukken: Machine = problem solver, Vraag =
examenvraag (hier over probabiliteit), Conclusie = de oplossing, Kennis =
formeel model over waarschijnlijkheidsrekening (Of Financiële Modelering en
Optimisatie)
Waarom automatisch redeneren?
Toepasbaar als kennis formeel kan voorgesteld worden in een model, Heel erg
praktisch:
 Kennismodellen zijn zeer flexibel, ze kunnen gebruikt worden om heel wat
verschillende vragen te beantwoorden (redeneren van oorzaak naar
gevolg, of van symptoom naar diagnose, … een model voor veel soorten
van vragen)
 Het is moeilijker om verschillende programma’s te schrijven voor elke
mogelijke query of taak
 Als de kennis beschikbaar is, is het makkelijker om dit in een model voor te
stellen dan het te leren (het heeft geen zin om het verkeersreglement
te leren uit miljarden voorbeelden)

,  Kennis als basis voor het nemen van beslissingen, het geven van
verklaringen en garanties (basis voor trustworthy AI)
De onderliggende technologie bij:
 Diagnose & expertsystemen (bv. medisch)
 Autonome robots en systemen
 Assistive technology in the factory (Industry 4.0)
 Scheduling en planning
 Werken met richtlijnen, wetten en constraints
 Regelgebaseerde systemen en automaten
AlphaGo
 Deep learning: leren hoe goed een bordsituatie is
 Monte-Carlo Tree Search: om een aantal zetten vooruit te kijken
 Dus leren + redeneren (type 1 + type II)
De vijf scholen in ML
Verschillende scholen die elk de functie op een eigen manier voorstellen
Symbolists: Dataset en Logica
 Boeken van D(omingos), R(ussell),
B(ostrom), K(ahnemann)
 Voorspel K = f(D,R,B), i.e., K als functie
van D, R en B
 Uitgaande van eerste 3 boeken
voorspelling maken over wie het boek in
de laatste kolom koopt
Hieruit kunnen we vervolgens logische
regels afleiden:
 ALS R = 1 EN B = 1 DAN K = 1
 ALS D = 1 EN R = 0 DAN K = 1
 ANDERS K = 0
Een consistente verzameling regels bestaat niet altijd
Analogizers: Dichtste buren
 Similariteit / Afstandsmaat / Kernels
 k- Dichtste Buren / Support Vector Machines (objecten classificeren op
basis van de dichtstbijzijnde trainingsvoorbeelden)
 Euclidische afstand, Manhattan afstand (een manier om de afstand
tussen twee punten in een rooster-gebaseerde systeem te berekenen.
In tegenstelling tot de Euclidische afstand, die de kortste rechte lijn
tussen twee punten meet, meet de Manhattan afstand de som van de
absolute verschillen tussen de corresponderende coördinaten van de
twee punten)
Bayesians: Probabilistisch en Naïeve Bayes

Les avantages d'acheter des résumés chez Stuvia:

Qualité garantie par les avis des clients

Qualité garantie par les avis des clients

Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.

L’achat facile et rapide

L’achat facile et rapide

Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.

Focus sur l’essentiel

Focus sur l’essentiel

Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.

Foire aux questions

Qu'est-ce que j'obtiens en achetant ce document ?

Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.

Garantie de remboursement : comment ça marche ?

Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.

Auprès de qui est-ce que j'achète ce résumé ?

Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur AlexVos. Stuvia facilite les paiements au vendeur.

Est-ce que j'aurai un abonnement?

Non, vous n'achetez ce résumé que pour €8,99. Vous n'êtes lié à rien après votre achat.

Peut-on faire confiance à Stuvia ?

4.6 étoiles sur Google & Trustpilot (+1000 avis)

71498 résumés ont été vendus ces 30 derniers jours

Fondée en 2010, la référence pour acheter des résumés depuis déjà 14 ans

Commencez à vendre!
€8,99  1x  vendu
  • (0)
  Ajouter