• Per partecipare, assicurati di essere sulla lista d’attesa del CIS. Gli aggiornamenti saranno comunicati non appena le informazioni saranno disponibili. Finora, tutte le persone di categoria 4 o inferiore hanno ricevuto il permesso di iscriversi. A questo punto, crediamo che tutte le persone in lista d’attesa entreranno nella classe.

  • Si prega di avere familiarità con le altre parti di questo sito web, in particolare le sezioni Policy e Syllabus. Si prega di utilizzare Piazza per fare domande, o di inviare a me (@danroth) un’e-mail.

  • La classe si svolgerà come una classe sincrona. Con poche eccezioni, la partecipazione (e quindi la frequenza) è obbligatoria. Per favore parlate con me (@danroth) se pensate che questo sarà difficile per voi.

Descrizione del corso

L’obiettivo del Machine Learning è quello di costruire sistemi informatici che possano adattarsi e imparare dalla loro esperienza. Negli ultimi anni abbiamo visto un’ondata di applicazioni che fanno uso di tecnologie di apprendimento automatico e si può sostenere che l’apprendimento automatico è stato essenziale per il successo di molte tecnologie recenti, dalle tecnologie del linguaggio naturale (Siri, tecnologia di ricerca, pubblicità automatizzata, correzione del testo) alle tecnologie di visione artificiale (applicazioni di riconoscimento delle immagini, veicoli autonomi), genomica, diagnosi medica, analisi dei social network, e molte altre.

Questo corso introdurrà alcuni dei metodi chiave di apprendimento automatico che si sono dimostrati preziosi e di successo nelle applicazioni pratiche. Discuteremo alcune delle questioni fondamentali nell’apprendimento automatico – quando e perché l’apprendimento funziona – al fine di ottenere una buona comprensione delle questioni di base in quest’area, e presenteremo i principali paradigmi e le tecniche necessarie per ottenere prestazioni di successo in aree di applicazione come il linguaggio naturale e la comprensione del testo, il riconoscimento vocale, la visione artificiale, l’estrazione di dati, i sistemi informatici adattivi e altri. Il corpo principale del corso passerà in rassegna diversi approcci di apprendimento supervisionato e (semi/non) supervisionato. Questi includono metodi per l’apprendimento di rappresentazioni lineari, metodi ad albero decisionale, metodi bayesiani, metodi basati su kernel e metodi a reti neurali, così come il clustering e la riduzione della dimensionalità. Discuteremo anche come modellare i problemi come problemi di apprendimento automatico, come valutare gli algoritmi di apprendimento e come affrontare alcuni problemi del mondo reale come i dati rumorosi e l’adattamento al dominio.

Pre-requisiti

Prevediamo una familiarità di base dell’algebra lineare (soprattutto notazione e concetti di base), probabilità di base, calcolo e struttura dei dati/algoritmi al livello di CIS 121

Tempo e luogo

Lezioni

Lunedì/Lunedì 10:30am – 12:00pm
Sincronicamente via Zoom

Recitazioni

Tentativamente, Martedì & Mercoledì (Dettagli TBD)

Requisiti aggiuntivi per CIS 519

Gli studenti iscritti alla versione per laureati di questo corso (CIS 519) dovranno completare un lavoro aggiuntivo durante il semestre. Questo lavoro includerà un progetto del corso, e (possibilmente) componenti addizionali ai compiti a casa e agli esami.

Siccome le due versioni hanno requisiti diversi, non puoi completare il corso come CIS 419 e in seguito fare una petizione per cambiarlo in CIS 519 per il credito universitario; se stai pensando di cambiare questo corso in CIS 519 per il credito universitario, dovresti registrarti per la versione universitaria ora.

Confronto con CIS 520

A causa della forte domanda, Penn offre due diversi corsi di apprendimento automatico: CIS 419/519 (Applied Machine Learning) e CIS 520 (Machine Learning). Questa sezione descrive brevemente le differenze tra questi corsi.

CIS 419/519 Applied Machine Learning (questo corso!) è un corso di livello introduttivo nell’apprendimento automatico (ML) con un’enfasi sull’applicazione delle tecniche ML. Il corso è inserito in un elenco incrociato tra la versione per laureandi (419) e quella per laureati (519); il corso per laureati 519 ha requisiti un po’ diversi come descritto sopra. CIS 419/519 è destinato agli studenti che sono interessati all’applicazione pratica dei metodi di apprendimento automatico esistenti a problemi reali, piuttosto che ai fondamenti statistici e alla teoria dell’apprendimento automatico trattati in CIS 520 Machine Learning. CIS 419/519 coprirà alcuni dei fondamenti del ML, ma è destinato ad essere meno matematicamente rigoroso di CIS520; questo non significa necessariamente che sia “più facile”. Il piano è che gli studenti lascino questa classe con una buona comprensione delle questioni chiave nel Machine Learning, e con un solido background di come modellare e applicare il machine learning ai loro problemi.

CIS 519 NON è un prerequisito per CIS 520. Tuttavia, ha poco senso prendere CIS 519 dopo aver già preso CIS 520. Ha anche poco senso, ma possibile, prendere prima CIS 419/519 e poi prendere CIS 520.