• Um teilzunehmen, vergewissern Sie sich, dass Sie auf der CIS-Warteliste stehen. Aktualisierungen werden bekannt gegeben, sobald Informationen verfügbar sind. Bisher haben alle Personen der Kategorie 4 oder darunter die Erlaubnis zur Anmeldung erhalten. Zum jetzigen Zeitpunkt gehen wir davon aus, dass alle Personen auf der Warteliste in den Kurs aufgenommen werden.

  • Bitte machen Sie sich mit den anderen Teilen dieser Website vertraut, insbesondere mit den Abschnitten Politik und Lehrplan. Bitte nutzen Sie Piazza, um uns Fragen zu stellen, oder schreiben Sie mir (@danroth) eine E-Mail.

  • Der Kurs wird als synchroner Kurs durchgeführt. Bis auf wenige Ausnahmen ist die Teilnahme (und damit die Anwesenheit) Pflicht. Bitte sprechen Sie mit mir (@danroth), wenn Sie glauben, dass dies für Sie schwierig sein wird.

Kursbeschreibung

Das Ziel des maschinellen Lernens ist es, Computersysteme zu entwickeln, die sich anpassen und aus ihren Erfahrungen lernen können. In den letzten Jahren haben wir eine Welle von Anwendungen gesehen, die Technologien des maschinellen Lernens nutzen, und man kann behaupten, dass maschinelles Lernen für den Erfolg vieler neuer Technologien wesentlich war, von Technologien der natürlichen Sprache (Siri, Suchtechnologie, automatisierte Werbung, Textkorrektur) bis hin zu Technologien des maschinellen Sehens (Bilderkennungsanwendungen, autonome Fahrzeuge), Genomik, medizinische Diagnose, Analyse sozialer Netzwerke und viele andere.

In diesem Kurs werden einige der wichtigsten Methoden des maschinellen Lernens vorgestellt, die sich in praktischen Anwendungen als nützlich und erfolgreich erwiesen haben. Wir werden einige der grundlegenden Fragen des maschinellen Lernens erörtern – wann und warum funktioniert Lernen -, um ein gutes Verständnis für die grundlegenden Probleme in diesem Bereich zu bekommen, und die wichtigsten Paradigmen und Techniken vorstellen, die für eine erfolgreiche Leistung in Anwendungsbereichen wie natürliches Sprach- und Textverständnis, Spracherkennung, Computer Vision, Data Mining, adaptive Computersysteme und andere erforderlich sind. Im Hauptteil des Kurses werden verschiedene überwachte und (halb/un)überwachte Lernansätze behandelt. Dazu gehören Methoden zum Lernen linearer Repräsentationen, Entscheidungsbaum-Methoden, Bayes’sche Methoden, kernelbasierte Methoden und Methoden neuronaler Netze sowie Clustering und Dimensionalitätsreduktion. Wir werden auch erörtern, wie man Probleme als Probleme des maschinellen Lernens modelliert, wie man Lernalgorithmen bewertet und wie man mit einigen realen Problemen wie verrauschten Daten und Domänenanpassung umgeht.

Voraussetzungen

Wir setzen Grundkenntnisse der linearen Algebra (vor allem Notation und Grundkonzepte), Grundwahrscheinlichkeit, Kalkül und Datenstruktur/Algorithmen auf dem Niveau von CIS 121 voraus

Zeit und Ort

Vorlesungen

Mo/Mi 10:30 – 12:00pm
Synchron via Zoom

Vorlesungen

Vorläufig Dienstag &Mittwoch (Details TBD)

Zusätzliche Anforderung für CIS 519

Studenten, die für die Graduiertenversion dieses Kurses (CIS 519) eingeschrieben sind, müssen im Laufe des Semesters zusätzliche Arbeiten erledigen. Diese Arbeit umfasst ein Kursprojekt und (möglicherweise) zusätzliche Komponenten zu den Hausaufgaben und den Prüfungen.

Da die beiden Versionen unterschiedliche Anforderungen haben, können Sie den Kurs nicht als CIS 419 abschließen und später beantragen, dass er in CIS 519 für Graduiertenkredite geändert wird; wenn Sie erwägen, diesen Kurs in CIS 519 für Graduiertenkredite zu ändern, sollten Sie sich jetzt für die Graduiertenversion anmelden.

Vergleich zu CIS 520

Aufgrund der überwältigenden Nachfrage bietet Penn zwei verschiedene Kurse für maschinelles Lernen an: CIS 419/519 (Applied Machine Learning) und CIS 520 (Machine Learning). Dieser Abschnitt beschreibt kurz die Unterschiede zwischen diesen Kursen.

CIS 419/519 Applied Machine Learning (dieser Kurs!) ist ein Einführungskurs in maschinelles Lernen (ML) mit Schwerpunkt auf der Anwendung von ML-Techniken. Der Kurs wird als Cross-Listed-Kurs zwischen der Undergraduate- (419) und der Graduate-Version (519) angeboten; der Graduate-Kurs 519 hat etwas andere Anforderungen, wie oben beschrieben. CIS 419/519 richtet sich an Studenten, die an der praktischen Anwendung bestehender Methoden des maschinellen Lernens auf reale Probleme interessiert sind und nicht an den statistischen Grundlagen und der Theorie des maschinellen Lernens, die in CIS 520 Maschinelles Lernen behandelt werden. CIS 419/519 deckt einige der Grundlagen des maschinellen Lernens ab, ist aber mathematisch weniger anspruchsvoll als CIS 520; das bedeutet nicht unbedingt, dass es „einfacher“ ist. Das bedeutet nicht unbedingt, dass es „einfacher“ ist. Die Studenten sollen diesen Kurs mit einem guten Verständnis der Schlüsselthemen des maschinellen Lernens und mit einem soliden Hintergrundwissen über die Modellierung und Anwendung des maschinellen Lernens auf ihre Probleme verlassen.

CIS 519 ist KEINE Voraussetzung für CIS 520. Allerdings macht es wenig Sinn, CIS 519 zu belegen, nachdem man bereits CIS 520 belegt hat. Es ist auch wenig sinnvoll, aber möglich, zuerst CIS 419/519 und dann später CIS 520 zu belegen.