• Chcete-li se přihlásit, ujistěte se, že jste na čekací listině CIS. Aktualizace budou sděleny, jakmile budou k dispozici informace. Zatím bylo vydáno povolení k zápisu všem osobám v kategorii 4 nebo nižší. V tuto chvíli věříme, že se do třídy dostanou všichni lidé z čekací listiny.

  • Prosíme, seznamte se s dalšími částmi těchto webových stránek, konkrétně s oddíly Politika a Sylabus. Pro dotazy prosím používejte Piazzu nebo mi napište (@danroth) e-mail.

  • Třída bude probíhat jako synchronní. Až na několik výjimek je účast (a tedy i docházka) povinná. Pokud si myslíte, že to pro vás bude obtížné, domluvte se se mnou (@danroth).

Popis předmětu

Cílem strojového učení je vytvořit počítačové systémy, které se dokáží přizpůsobit a učit se ze svých zkušeností. V posledních letech jsme svědky prudkého nárůstu aplikací, které využívají technologie strojového učení, a lze tvrdit, že strojové učení bylo zásadní pro úspěch mnoha technologií poslední doby, od technologií přirozeného jazyka (Siri, vyhledávací technologie, automatická reklama, oprava textu) až po technologie počítačového vidění (aplikace pro rozpoznávání obrazu, autonomní vozidla), genomiku, lékařskou diagnostiku, analýzu sociálních sítí a mnoho dalších.

Tento kurz představí některé klíčové metody strojového učení, které se ukázaly jako cenné a úspěšné v praktických aplikacích. Probereme některé základní otázky strojového učení – kdy a proč učení funguje – abychom dobře porozuměli základním otázkám v této oblasti, a představíme hlavní paradigmata a techniky potřebné k dosažení úspěšného výkonu v aplikačních oblastech, jako je porozumění přirozenému jazyku a textu, rozpoznávání řeči, počítačové vidění, dolování dat, adaptivní počítačové systémy a další. Hlavní část kurzu bude věnována přehledu několika přístupů k učení pod dohledem a (částečně/ne)pod dohledem. Patří mezi ně metody učení lineárních reprezentací, metody rozhodovacích stromů, bayesovské metody, metody založené na jádrech a metody neuronových sítí, jakož i shlukování a redukce dimenzionality. Budeme také diskutovat o tom, jak modelovat problémy jako problémy strojového učení, jak vyhodnocovat algoritmy učení a jak se vypořádat s některými problémy reálného světa, jako jsou zašuměná data a přizpůsobení doméně.

Předpoklady

Předpokládáme základní znalost lineární algebry (především notace a základní pojmy), základů pravděpodobnosti, kalkulu a datové struktury/algoritmů na úrovni CIS 121

Čas a místo konání

Přednášky

po/st 10:30 – 12:00 hod:00:00
Synchronně přes Zoom

Cvičení

Předběžně v úterý & ve středu (podrobnosti TBD)

Dodatečné požadavky pro CIS 519

Studenti zapsaní do absolventské verze tohoto kurzu (CIS 519) budou muset v průběhu semestru vypracovat dodatečnou práci. Tato práce bude zahrnovat projekt kurzu a (možná) další součásti domácích úkolů a zkoušek.

Protože obě verze mají odlišné požadavky, nemůžete tento kurz absolvovat jako CIS 419 a později požádat o jeho změnu na CIS 519 pro absolventské zápočty; pokud uvažujete o změně tohoto kurzu na CIS 519 pro absolventské zápočty, měli byste si nyní zapsat absolventskou verzi.

Srovnání s CIS 520

Vzhledem k obrovské poptávce nabízí Penn dva různé kurzy strojového učení: CIS 419/519 (Aplikované strojové učení) a CIS 520 (Strojové učení). V této části jsou stručně popsány rozdíly mezi těmito kurzy.

CIS 419/519 Applied Machine Learning (tento kurz!) je kurz strojového učení (ML) na úvodní úrovni s důrazem na aplikaci technik ML. Kurz je křížově zařazen mezi bakalářskou (419) a magisterskou (519) verzí; magisterský kurz 519 má poněkud odlišné požadavky, jak je popsáno výše. CIS 419/519 je určen pro studenty, kteří se zajímají o praktickou aplikaci existujících metod strojového učení na reálné problémy, spíše než o statistické základy a teorii ML, kterými se zabývá CIS 520 Machine Learning. CIS 419/519 se bude zabývat některými základy ML, ale má být méně matematicky náročný než CIS520; to nutně neznamená, že je „jednodušší“. Záměrem je, aby studenti opouštěli tuto třídu s dobrým porozuměním klíčovým otázkám strojového učení a s pevnými základy toho, jak modelovat a aplikovat strojové učení na své problémy.

CIS 519 NENÍ podmínkou pro CIS 520. Nemá však smysl absolvovat CIS 519 poté, co jste již absolvovali CIS 520. Rovněž nemá smysl, ale je to možné, nejprve absolvovat CIS 419/519 a později CIS 520.