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


AG Theorie der künstlichen Intelligenz