====== Laboratorium 8 -- Modele probabilistyczne I ======
===== Instrukcje do laboratorium =====
  - Notebook do pobrania: [[https://drive.google.com/file/d/1NMoYtZxv3JnQphfDQ2IDnILlmELhW0FS/view?usp=sharing|probabilistic.ipynb]]
  - W celu załadowania, wybierz 'File->Upload Notebook' w Google Colab. W przypadku lokalnej wersji, po prostu nawiguj w oknie przeglądarki do miejsca gdzie zapisany jest notebook.



===== Modelowanie sieci w Weka =====
Weka dostarcza narzędzie do modelowania sieci Bayesowskich i ich eksportu do formatu XMLBIF.
Aby zacząć modelowanie należy:

  - Pobrać [[https://www.cs.waikato.ac.nz/ml/weka/downloading.html|WEKA]]
  - Uruchomić: <code>java -jar weka.jar</code>
  - Wybrać z menu opcji: `Tools->Bayes Net Editor` (Lub wcisnąć Ctr+N)
  - Narysować sieć i zapisać ją jako XMLBIF.


===== Materiały =====
  * Wykład: {{ :pl:dydaktyka:ml:pgm.pdf |}}
  * Nawet ciekawa ksiażka do biblioteki, której będziemy używać: [[https://github.com/PlamenStilyianov/Python3/blob/master/Mastering-Probabilistic-Graphical-Python/Mastering%20Probabilistic%20Graphical%20Models%20using%20Python.pdf|Mastering Probabilistic Graphical Models using Python]]
  * Książka Klasyk: [[https://mitpress.mit.edu/books/probabilistic-graphical-models|Probabilistic Graphcal Models ]]i kurs online do niej: [[https://www.coursera.org/specializations/probabilistic-graphical-models|Probabilistic Graphical Models]]
  * Ciekawa książka o teorii prawdopodobieństwa (od podstaw, całkiem fajnie się czyta): [[https://www.amazon.com/Probability-Theory-Science-T-Jaynes/dp/0521592712|Probability theory: The Logic of Science]]
  * Inna ciekawa biblioteka: http://bayespy.org
  * Plik z siecią dla przykładu ASIA: {{ :pl:dydaktyka:ml:asiads.bif.zip |}}
  * Siec do zamodelowania w domu: {{ :pl:dydaktyka:ml:choroby.png?linkonly |}} i {{ :pl:dydaktyka:ml:zadanie_bn.pdf |instrukcja}} (Źródło: https://www.cs.utah.edu/~fletcher/cs6957/)