
Inteligência Artificial Bayesiana
By José Felipe Souza de Almeida, Emerson Cordeiro Morais, Otavio Andre ChaseLength3h 34m
About this audiobook
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".
Audiobook details
GenreTechnology
Length3 hrs 34 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateApr 1, 2022
LanguagePortuguese
Table of contents
1Introduction
142.2 AXIOMAS DE KOLMOGOROV
2PRÓLOGO
15CAPÍTULO 3 - PROBABILIDADE CONDICIONAL
3CAPÍTULO 1 - DISTRIBUIÇÃO DISCRETA DE PROBABILIDADE
161.1 REGRA DA MULTIPLICAÇÃO
41.1 ESPAÇO AMOSTRAL E EVENTO ALEATÓRIO
173.2 LEI DA PROBABILIDADE TOTAL
51.2 FUNÇÕES DE PROBABILIDADE
183.3 PROBABILIDADE BAYESIANA
Show all chaptersShow less
61.3 FUNÇÃO MASSA DE PROBABILIDADE - PMF
19CAPÍTULO 4 - REDES BAYESIANAS
71.4 ESPERANÇA E VARIÂNCIA
204.1 TOPOLOGIA BAYESIANA
81.5 ENSAIO DE BERNOULLI
214.2 INDEPENDÊNCIAS CONDICIONAIS
91.6 DISTRIBUIÇÃO BINOMIAL
224.3 DISTRIBUIÇÕES CONJUNTAS E MARGINAIS
101.7 DISTRIBUIÇÃO GEOMÉTRICA
234.4 CONFIGURAÇÃO DAS REDES BAYESIANAS
111.8 DISTRIBUIÇÃO DE POISSON
244.5 INFERÊNCIA POR ELIMINAÇÃO DE VARIÁVEIS
12CAPÍTULO 2 - PROBABILIDADE CLÁSSICA
254.6 INFERÊNCIA BAYESIANA
132.1 TEORIA DOS CONJUNTOS
264.7 APRENDIZAGEM BAYESIANA