• For at tilmelde dig skal du sikre dig, at du er på ventelisten til CIS. Opdateringer vil blive meddelt, når der foreligger oplysninger. Indtil videre har alle personer i kategori 4 eller lavere fået tilladelse til at tilmelde sig. På nuværende tidspunkt tror vi, at alle personer på ventelisten vil komme ind i klassen.

  • Vær venligst bekendt med de andre dele af dette websted, især afsnittene Politik og Syllabus. Brug venligst Piazza til at stille os spørgsmål, eller send mig (@danroth) en e-mail.

  • Klassen vil blive afviklet som en synkron klasse. Med få undtagelser er det obligatorisk at deltage (og dermed at være til stede). Tal venligst med mig (@danroth), hvis du mener, at dette vil være svært for dig.

Kursusbeskrivelse

Målet med maskinlæring er at opbygge computersystemer, der kan tilpasse sig og lære af deres erfaringer. I de seneste år har vi set en bølge af applikationer, der gør brug af maskinlæringsteknologier, og man kan hævde, at maskinlæring har været afgørende for succesen for mange nyere teknologier, lige fra teknologier til naturligt sprog (Siri, søgeteknologi, automatiseret reklame, tekstkorrektion) til computervisionsteknologier (billedgenkendelsesapplikationer, autonome køretøjer), genomik, medicinsk diagnose, analyse af sociale netværk og mange andre.

Dette kursus vil introducere nogle af de vigtigste maskinlæringsmetoder, der har vist sig værdifulde og vellykkede i praktiske applikationer. Vi vil drøfte nogle af de grundlæggende spørgsmål inden for maskinlæring — hvornår og hvorfor virker læring — for at få en god forståelse af de grundlæggende spørgsmål på dette område, og vi vil præsentere de vigtigste paradigmer og teknikker, der er nødvendige for at opnå gode resultater inden for anvendelsesområder som f.eks. forståelse af naturligt sprog og tekst, talegenkendelse, computervision, datamining, adaptive computersystemer og andre. I hoveddelen af kurset gennemgås flere overvågede og (semi/uovervågede) læringsmetoder. Disse omfatter metoder til indlæring af lineære repræsentationer, beslutningstræmetoder, bayesianske metoder, kernebaserede metoder og neurale net samt klynge- og dimensionalitetsreduktionsmetoder. Vi vil også diskutere, hvordan man modellerer problemer som maskinlæringsproblemer, hvordan man evaluerer læringsalgoritmer, og hvordan man håndterer nogle problemer fra den virkelige verden såsom støjende data og domænetilpasning.

Forudsætninger

Vi forudsætter grundlæggende kendskab til lineær algebra (hovedsagelig notation og grundlæggende begreber), grundlæggende sandsynlighed, beregning og datastruktur/algoritmer på niveau med CIS 121

Tid og sted

Forelæsninger

Mån/fredag 10:30 – 12:00:00pm
Synkront via Zoom

Rekitationer

Tentativt, tirsdag & onsdag (detaljer TBD)

Et yderligere krav til CIS 519

Studerende, der er tilmeldt den videregående version af dette kursus (CIS 519), skal udføre yderligere arbejde i løbet af semesteret. Dette arbejde vil omfatte et kursusprojekt og (muligvis) yderligere komponenter til lektier og eksamener.

Da de to versioner har forskellige krav, kan du ikke gennemføre kurset som CIS 419 og senere anmode om at få det ændret til CIS 519 med henblik på graduate credit; hvis du overvejer at ændre dette kursus til CIS 519 med henblik på graduate credit, bør du tilmelde dig graduate-versionen nu.

Sammenligning med CIS 520

På grund af en overvældende efterspørgsel tilbyder Penn to forskellige kurser i maskinlæring: CIS 419/519 (Applied Machine Learning) og CIS 520 (Machine Learning). Dette afsnit beskriver kort forskellene mellem disse kurser.

CIS 419/519 Applied Machine Learning (dette kursus!) er et kursus på introduktionsniveau i maskinlæring (ML) med vægt på at anvende ML-teknikker. Kurset er på kryds og tværs mellem undergraduate (419) og graduate (519) versioner; graduate kurset 519 har noget anderledes krav som beskrevet ovenfor. CIS 419/519 er beregnet til studerende, der er interesseret i den praktiske anvendelse af eksisterende metoder til maskinlæring på virkelige problemer, snarere end i det statistiske grundlag og teorien om ML, der behandles i CIS 520 Machine Learning. CIS 419/519 dækker nogle af grundlagene for ML, men er beregnet til at være mindre matematisk stringent end CIS520; dette betyder ikke nødvendigvis, at det er “lettere”. Det er planen, at de studerende skal forlade dette kursus med en god forståelse af de vigtigste spørgsmål inden for maskinlæring og med en solid baggrund for, hvordan man modellerer og anvender maskinlæring på deres problemer.

CIS 519 er IKKE en forudsætning for CIS 520. Det giver dog ikke meget mening at tage CIS 519, efter at man allerede har taget CIS 520. Det giver også lidt mening, men er muligt, at tage CIS 419/519 først og så senere tage CIS 520.