• Inteligência Artificial Bayesiana

    José Felipe Souza de Almeida, Emerson Cordeiro Morais, Otavio Andre Chase

    Editora Dialética

    As redes Bayesianas se referem a uma categoria de modelos probabilísticos que representam um conjunto de variáveis e suas dependências condicionais por um grafo acíclico direcionado. Estas redes usam o Teorema de Bayes para calcular a probabilidade de determinados eventos, tendo alguma informação disponível. Com esta prerrogativa, partem de conhecimento incompleto sobre um determinado fenômeno e, assim, permitem máquinas fazerem inferências, previsões e tomada de decisão. Existem vários modelos de tentativas de axiomatizar extensões da lógica para casos de informação incompleta. No desenvolvimento deste livro, a programação Python foi adotada como ferramenta na modelagem das exemplificações. Juntamente a este apoio computacional, é apresentada uma introdução aos pré-requisitos teóricos que formulam a base dos processos probabilísticos discretizados. Entre estes estão: as distribuições de probabilidade, postas na Função Massa de Probabilidade – PMF e seus parâmetros; a Teoria dos Conjuntos; a Probabilidade axiomática Clássica e Empírica; e a Probabilidade Condicional, definida na Regra da Multiplicação e na Lei da Probabilidade Total, em que se insere a Probabilidade Bayesiana com o Teorema de Bayes. Esta lista de tópicos, em que estão expostos os princípios matemáticos, compõe o tema "Redes Bayesianas".
    Ler mais Ler menos
    Oba, você já comprou esse livro! Acesse o App e aproveite a leitura 😁
    Você já possui este livro através da parceria Skeelo + {partner} Acesse o App e aproveite a leitura 😁
    Páginas 136
    Peso do arquivo 6.09MB
    Ano da publicação 2022
    Tradutor(a)

    Sinopse

    As redes Bayesianas se referem a uma categoria de modelos probabilísticos que representam um conjunto de variáveis e suas dependências condicionais por um grafo acíclico direcionado. Estas redes usam o Teorema de Bayes para calcular a probabilidade de determinados eventos, tendo alguma informação disponível. Com esta prerrogativa, partem de conhecimento incompleto sobre um determinado fenômeno e, assim, permitem máquinas fazerem inferências, previsões e tomada de decisão. Existem vários modelos de tentativas de axiomatizar extensões da lógica para casos de informação incompleta. No desenvolvimento deste livro, a programação Python foi adotada como ferramenta na modelagem das exemplificações. Juntamente a este apoio computacional, é apresentada uma introdução aos pré-requisitos teóricos que formulam a base dos processos probabilísticos discretizados. Entre estes estão: as distribuições de probabilidade, postas na Função Massa de Probabilidade – PMF e seus parâmetros; a Teoria dos Conjuntos; a Probabilidade axiomática Clássica e Empírica; e a Probabilidade Condicional, definida na Regra da Multiplicação e na Lei da Probabilidade Total, em que se insere a Probabilidade Bayesiana com o Teorema de Bayes. Esta lista de tópicos, em que estão expostos os princípios matemáticos, compõe o tema "Redes Bayesianas".

    Ficha técnica

    • Autor(a) José Felipe Souza de Almeida, Emerson Cordeiro Morais, Otavio Andre Chase
    • Tradutor(a)
    • Gênero Inteligência Artificial
    • Editora Editora Dialética
    • Páginas 136
    • Ano 2022
    • Edição
    • Idioma Português
    • ISBN 9786525230801
    • Peso do arquivo 6.09MB