Bayesian Networks, Theory and Applications
Títol del curs: Redes Bayesianas. Teoría y Aplicaciones
Impartit per: Dr. Pedro Larrañaga. Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid.
Llengua del curs: Castellano
Dates i horaris del curs: 23-27 de juliol 2012, 10-12h.
Lloc: Aula 100.
Tipus d'activitat i càrrega lectiva: Curs de 10 hores
Reconeixement acadèmic: 1.5 crèdits
Data de matrícula: del 15 al 25 de maig
Descripció dels continguts del curs:
El curso presentará el paradigma de redes Bayesianas como un modelo gráfico probabilístico con el que trabajar en situaciones de incertidumbre. Se introducirá la semántica asociada basada en el concepto de independencia condicional, para posteriormente mostrar las ideas en las que se fundamentan los algoritmos de inferencia, tanto exacta como aproximada, a partir de los cuales se llevarán a cabo diferentes tipos de razonamiento. Algoritmos con los que inducir dichas redes Bayesianas a partir de datos se presentarán para: a) descubrir asociaciones entre tripletas de variables; b) clasificación supervisada; y c) clustering. Se mostrarán aplicaciones desarrolladas en distintos dominios: biomedicina, bioinformática, neurociencia y computación evolutiva. El último dia se comenzará a desarrollar una práctica con el software Bayesia, la cual será terminada por el alumno y remitida al profesor para la evaluación del aprovechamiento del curso.
Programa:
Referéncies:
Procés d'avaluació:
El alumno será evaluado a partir de una práctica consistente en la utilización de un software de redes Bayesianas (Bayesia) con el que ilustrar los conceptos teóricos introducidos en las horas lectivas. El último día del curso se comenzará a desarrollar la práctica en clase.
Documents:
Impartit per: Dr. Pedro Larrañaga. Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid.
Llengua del curs: Castellano
Dates i horaris del curs: 23-27 de juliol 2012, 10-12h.
Lloc: Aula 100.
Tipus d'activitat i càrrega lectiva: Curs de 10 hores
Reconeixement acadèmic: 1.5 crèdits
Data de matrícula: del 15 al 25 de maig
Descripció dels continguts del curs:
El curso presentará el paradigma de redes Bayesianas como un modelo gráfico probabilístico con el que trabajar en situaciones de incertidumbre. Se introducirá la semántica asociada basada en el concepto de independencia condicional, para posteriormente mostrar las ideas en las que se fundamentan los algoritmos de inferencia, tanto exacta como aproximada, a partir de los cuales se llevarán a cabo diferentes tipos de razonamiento. Algoritmos con los que inducir dichas redes Bayesianas a partir de datos se presentarán para: a) descubrir asociaciones entre tripletas de variables; b) clasificación supervisada; y c) clustering. Se mostrarán aplicaciones desarrolladas en distintos dominios: biomedicina, bioinformática, neurociencia y computación evolutiva. El último dia se comenzará a desarrollar una práctica con el software Bayesia, la cual será terminada por el alumno y remitida al profesor para la evaluación del aprovechamiento del curso.
Programa:
- Introducción a las redes Bayesianas
- Algoritmos de propagación de la evidencia. Métodos exactos y métodos aproximados
- Modelización a partir de una base de datos
- Descubriendo asociaciones entre variables
- Clasificación supervisada
- Clustering
- Aplicaciones en biomedicina, bioinformtica, neurociencia y computación evolutiva
Referéncies:
- D. Koller, N. Friedman (2009). Probabilistic Graphical Models. Principles and Techniques. The MIT Press
- P. Larrañaga, S. Moral (2011). Probabilistic graphical models in artificial intelligence. Applied Soft Computing, 17, 3, 326-339
- J. Pearl (1988). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann
Procés d'avaluació:
El alumno será evaluado a partir de una práctica consistente en la utilización de un software de redes Bayesianas (Bayesia) con el que ilustrar los conceptos teóricos introducidos en las horas lectivas. El último día del curso se comenzará a desarrollar la práctica en clase.
Documents:
Share: