• Para inscribirse, asegúrese de estar en la lista de espera del CIS. Las actualizaciones se comunicarán a medida que la información esté disponible. Hasta ahora, todas las personas de categoría 4 o inferior han recibido permiso para inscribirse. En este momento, creemos que todas las personas de la lista de espera entrarán en la clase.

  • Por favor, familiarícese con las otras partes de este sitio web, específicamente con las secciones de Política y Programa de Estudios. Por favor, utilice Piazza para hacernos preguntas, o envíeme un correo electrónico (@danroth).

  • La clase se desarrollará como una clase sincrónica. Con algunas excepciones, la participación (y por lo tanto, la asistencia) es obligatoria. Por favor, habla conmigo (@danroth) si crees que esto será difícil para ti.

Descripción del curso

El objetivo del aprendizaje automático es construir sistemas informáticos que puedan adaptarse y aprender de su experiencia. En los últimos años hemos visto una oleada de aplicaciones que hacen uso de las tecnologías de aprendizaje automático y se puede argumentar que el aprendizaje automático ha sido esencial para el éxito de muchas tecnologías recientes, desde las tecnologías del lenguaje natural (Siri, tecnología de búsqueda, publicidad automatizada, corrección de textos) hasta las tecnologías de visión por ordenador (aplicaciones de reconocimiento de imágenes, vehículos autónomos), la genómica, el diagnóstico médico, el análisis de redes sociales, y muchas otras.

Este curso introducirá algunos de los métodos clave de aprendizaje automático que han demostrado ser valiosos y exitosos en aplicaciones prácticas. Discutiremos algunas de las cuestiones fundacionales del aprendizaje automático -cuándo y por qué funciona el aprendizaje- con el fin de obtener una buena comprensión de las cuestiones básicas en este ámbito, y presentaremos los principales paradigmas y técnicas necesarios para obtener un rendimiento exitoso en áreas de aplicación como la comprensión del lenguaje natural y del texto, el reconocimiento del habla, la visión por ordenador, la minería de datos, los sistemas informáticos adaptativos y otros. El cuerpo principal del curso revisará varios enfoques de aprendizaje supervisado y (semi/no) supervisado. Entre ellos se encuentran los métodos de aprendizaje de representaciones lineales, los métodos de árboles de decisión, los métodos bayesianos, los métodos basados en núcleos y los métodos de redes neuronales, así como la agrupación y la reducción de la dimensionalidad. También discutiremos cómo modelar los problemas como problemas de aprendizaje automático, cómo evaluar los algoritmos de aprendizaje, y cómo tratar con algunos problemas del mundo real como los datos ruidosos, y la adaptación del dominio.

Requisitos previos

Asumimos una familiaridad básica con el álgebra lineal (sobre todo la notación y los conceptos básicos), la probabilidad básica, el cálculo y la estructura de datos/algoritmos al nivel de CIS 121

Hora y lugar

Lecciones

Lunes/Miércoles 10:30am – 12:00pm
Sincrónicamente a través de Zoom

Recitaciones

Tentativamente, martes &miércoles (Detalles TBD)

Requisito adicional para CIS 519

Los estudiantes inscritos en la versión de posgrado de este curso (CIS 519) tendrán que completar un trabajo adicional a lo largo del semestre. Este trabajo incluirá un proyecto de curso, y (posiblemente) componentes adicionales a las tareas y los exámenes.

Dado que las dos versiones tienen diferentes requisitos, no se puede completar el curso como CIS 419 y más tarde solicitar que se cambie a CIS 519 para obtener créditos de posgrado; si está considerando cambiar este curso a CIS 519 para obtener créditos de posgrado, debe inscribirse en la versión de posgrado ahora.

Comparación con CIS 520

Debido a la abrumadora demanda, Penn está ofreciendo dos cursos diferentes de aprendizaje automático: CIS 419/519 (Applied Machine Learning) y CIS 520 (Machine Learning). Esta sección describe brevemente las diferencias entre estos cursos.

CIS 419/519 Applied Machine Learning (¡este curso!) es un curso de nivel introductorio en aprendizaje automático (ML) con énfasis en la aplicación de técnicas de ML. El curso tiene una lista cruzada entre las versiones de pregrado (419) y de postgrado (519); el curso de postgrado 519 tiene requisitos algo diferentes, como se ha descrito anteriormente. CIS 419/519 está dirigido a estudiantes que estén interesados en la aplicación práctica de los métodos de aprendizaje automático existentes a problemas reales, más que en los fundamentos estadísticos y la teoría del ML cubiertos en CIS 520 Machine Learning. CIS 419/519 cubrirá algunos de los fundamentos del ML, pero pretende ser menos riguroso matemáticamente que CIS520; esto no significa necesariamente que sea «más fácil». El plan es que los estudiantes salgan de esta clase con una buena comprensión de las cuestiones clave en el Aprendizaje Automático, y con una sólida base de cómo modelar y aplicar el aprendizaje automático a sus problemas.

CIS 519 NO es un prerrequisito para CIS 520. Sin embargo, no tiene mucho sentido cursar CIS 519 después de haber cursado CIS 520. También tiene poco sentido, pero es posible, tomar primero CIS 419/519 y luego tomar CIS 520.