• Pour vous inscrire, assurez-vous d’être sur la liste d’attente du CIS. Des mises à jour seront communiquées au fur et à mesure que l’information sera disponible. Jusqu’à présent, toutes les personnes de catégorie 4 ou inférieure ont reçu l’autorisation de s’inscrire. À ce stade, nous pensons que toutes les personnes sur la liste d’attente pourront entrer dans la classe.

  • Veuillez vous familiariser avec les autres parties de ce site Web, en particulier les sections Politique et Syllabus. Veuillez utiliser Piazza pour nous poser des questions, ou m’envoyer (@danroth) un courriel.

  • Le cours se déroulera comme une classe synchrone. À quelques exceptions près, la participation (et donc, la présence) est obligatoire. Veuillez me parler (@danroth) si vous pensez que cela sera difficile pour vous.

Description du cours

L’objectif de l’apprentissage automatique est de construire des systèmes informatiques qui peuvent s’adapter et apprendre de leur expérience. Au cours des dernières années, nous avons assisté à un afflux d’applications qui utilisent les technologies d’apprentissage automatique et on peut affirmer que l’apprentissage automatique a été essentiel au succès de nombreuses technologies récentes, des technologies du langage naturel (Siri, technologie de recherche, publicité automatisée, correction de texte) aux technologies de vision par ordinateur (applications de reconnaissance d’image, véhicules autonomes), génomique, diagnostic médical, analyse des réseaux sociaux, et bien d’autres.

Ce cours présentera certaines des méthodes clés d’apprentissage automatique qui se sont avérées précieuses et réussies dans des applications pratiques. Nous discuterons de certaines des questions fondamentales de l’apprentissage automatique – quand et pourquoi l’apprentissage fonctionne – afin d’avoir une bonne compréhension des problèmes de base dans ce domaine, et nous présenterons les principaux paradigmes et techniques nécessaires pour obtenir des performances réussies dans des domaines d’application tels que la compréhension du langage naturel et du texte, la reconnaissance vocale, la vision par ordinateur, l’exploration de données, les systèmes informatiques adaptatifs et autres. La partie principale du cours passera en revue plusieurs approches d’apprentissage supervisé et (semi)-non supervisé. Celles-ci comprennent des méthodes d’apprentissage de représentations linéaires, des méthodes d’arbre de décision, des méthodes bayésiennes, des méthodes basées sur les noyaux et des méthodes de réseaux neuronaux, ainsi que le regroupement et la réduction de la dimensionnalité. Nous discuterons également de la façon de modéliser les problèmes en tant que problèmes d’apprentissage automatique, de la façon d’évaluer les algorithmes d’apprentissage, et de la façon de traiter certains problèmes du monde réel tels que les données bruyantes, et l’adaptation au domaine.

Préalables

Nous supposons une familiarité de base avec l’algèbre linéaire (principalement la notation et les concepts de base), la probabilité de base, le calcul, et la structure de données/algorithmes au niveau de CIS 121

Heure et lieu

Lectures

Mon/Med 10h30 – 12 :00pm
Synchroniquement via Zoom

Recitations

Tentativement, mardi & mercredi (détails à déterminer)

Exigence supplémentaire pour CIS 519

Les étudiants inscrits à la version diplômée de ce cours (CIS 519) devront effectuer des travaux supplémentaires tout au long du semestre. Ce travail comprendra un projet de cours et (éventuellement) des composantes supplémentaires aux devoirs et aux examens.

Comme les deux versions ont des exigences différentes, vous ne pouvez pas suivre le cours en tant que CIS 419 et demander plus tard qu’il soit changé en CIS 519 pour obtenir des crédits d’études supérieures ; si vous envisagez de changer ce cours en CIS 519 pour obtenir des crédits d’études supérieures, vous devez vous inscrire à la version diplômée dès maintenant.

Comparaison avec CIS 520

En raison d’une demande écrasante, Penn offre deux cours d’apprentissage automatique différents : CIS 419/519 (apprentissage automatique appliqué) et CIS 520 (apprentissage automatique). Cette section décrit brièvement les différences entre ces cours.

CIS 419/519 Applied Machine Learning (ce cours !) est un cours d’introduction à l’apprentissage automatique (ML) avec un accent sur l’application des techniques ML. Le cours est répertorié entre les versions de premier cycle (419) et de deuxième cycle (519) ; le cours de deuxième cycle 519 a des exigences quelque peu différentes, comme décrit ci-dessus. Le cours CIS 419/519 est destiné aux étudiants qui s’intéressent à l’application pratique des méthodes d’apprentissage automatique existantes à des problèmes réels, plutôt qu’aux fondements statistiques et à la théorie de l’apprentissage automatique couverts par le cours CIS 520 Machine Learning. Le cours CIS 419/519 couvre certains des fondements de l’apprentissage automatique, mais il se veut moins rigoureux sur le plan mathématique que le cours CIS 520, ce qui ne signifie pas nécessairement qu’il est « plus facile ». Le plan est que les étudiants quitteront ce cours avec une bonne compréhension des questions clés de l’apprentissage automatique, et avec un solide bagage sur la façon de modéliser et d’appliquer l’apprentissage automatique à leurs problèmes.

CIS 519 n’est PAS un prérequis pour CIS 520. Cependant, il est peu logique de prendre CIS 519 après avoir déjà pris CIS 520. Il est également peu judicieux, mais possible, de prendre d’abord CIS 419/519, puis plus tard CIS 520.