6 EC
Semester 1, periode 2
5082CDMG6Y
| Eigenaar | Bachelor Kunstmatige Intelligentie |
| Coördinator | Robert van Rooij |
| Onderdeel van | Minor Kunstmatige Intelligentie, jaar 1Bachelor Kunstmatige Intelligentie, jaar 3 |
The course will consists of two parts. In the first part we will discuss causal models as developed by Pearl and others. We will discuss, among others, to what extent a prior notion of causal model is required to properly interpret frequency data and to understand counterfactual relations, and when and how causal information can be learned from data without doing explicit experiments. We will also discuss some more philosophical topics concerning what is the actual cause of an event, and whether or not causal models are required for Strong AI. In the first part we will make use of the book ‘Causal Inference in Statistics. A primer’ by Pearl, Glymour and Jewell, and knowledge will be tested by an exam.
In the second part we will discuss the theory of rational behavior: game and decision theory. Standard concepts of game theory will be introduced (Nash equilibrium, Pareto efficiency, normal vs. extensive forms, perfect vs. imperfect information, et cetera). This part of the course will be more practically oriented, and the knowledge will be tested by an implementation-based final project.
Causal Inference in Statistics. A primer’ by Pearl, Glymour and Jewell
Slides + een syllabus over decision and game theory
- uitleggen van het belang van Bayesiaanse netwerken en causaliteit voor het interpreteren van data, en voor het maken van beslissingen.
- uitleggen van het belang van counterfactuals, en hoe ze moeten worden geinterpreteerd, voor tal van aspecten van intelligent gedrag.
- Introductie in beslis- en speltheorie, en het belang van causaliteit hierin.
- Het toepassen van speltheorie voor het leren en evolutie van taal, door middel van een implementatie
Hoorcollege: de theorie wordt uitgelegd.
Werkcollege: hier worden opgaven gemaakt, en opgaven worden door TAs uitgelegd.
Computerprakticum: in het tweede deel van de cursus wordt toegewerkt naar een implementatie door de studenten, die door de TAs wordt begeleid.
Feedbackmoment: gedurende de werkcolleges zal feedback worden gegeven op het huiswerk van de vorige week. Ook zal gedurende een werkcollege het eerste deeltentamen worden besproken.
|
Activiteit |
Uren |
|
|
Deeltoets |
2 |
|
|
Hoorcollege |
24 |
|
|
Zelfstudie |
140 |
|
|
Totaal |
168 |
(6 EC x 28 uur) |
d
-
Aanwezigheidseisen opleiding (OER-B):
Aanvullende eisen voor dit vak:
voor werkgroepbijeenkomsten geldt een aanwezigheidsplicht in het tweede gedeelte van de cursus (het gedeelte over beslis- en speltheorie). Er mag hoogstens 1 van die werkcolleges worden gemist.
| Onderdeel en weging | Details |
|
Eindcijfer | |
|
4 (40%) Deeltoets 1 | |
|
1 (10%) Huiswerk Causaliteit | |
|
1 (10%) Huiswerk Speltheorie | |
|
4 (40%) Eindopdracht Speltheorie |
Het gemiddelde van huiswerk over causaliteit (homework 1-3) moet minstens een 5 zijn. Anders mag niet worden deelgenomen aan het eerste deeltentamen.
Het gemiddelde van huiswerk over beslis- en speltheorie moet minstens een 5 zijn. Anders mag niet worden meegedaan met de eindopdracht.
Voor huiswerk: in werkcolleges. Voor het eerste deeltentamen: in werkcolleges.
Huiswerk 1: hoofdstuk 1 van het boek Causal Inference in Statistics. A primer + slides week 1
Huiswerk 2: hoofdstukken 2 en 3 van het boek Causal Inference in Statistics. A primer + slides week 2
Huiswerk 3: hoofdstuk 4 van boek Causal Inference in Statistics. A primer + slides week 3
Huiswerk 4 + 5: nader te bepalen.
Dit vak hanteert de algemene 'Fraude- en plagiaatregeling' van de UvA. Hier wordt nauwkeurig op gecontroleerd. Bij verdenking van fraude of plagiaat wordt de examencommissie van de opleiding ingeschakeld. Zie de Fraude- en plagiaatregeling van de UvA: http://student.uva.nl
| Weeknummer | Onderwerpen | Studiestof |
| 1 | hfst 1 boek Causal Inference in Statistics. | |
| 2 | hst 2 + 3 boek Causal Inference in Statistics. | |
| 3 | hst 4 boek Causal Inference in Statistics. | |
| 4 | deeltenamen | |
| 5 | ||
| 6 | ||
| 7 | ||
| 8 |
Het rooster van dit vak is in te zien op DataNose.