• 参加するには、CISのウェイティングリストに載っていることを確認します。 情報が入り次第、最新情報をお知らせします。 今のところ、カテゴリー4以下の方全員に登録の許可を出しています。

  • このウェブサイトの他の部分、特にポリシーとシラバスのセクションをよく理解してください。

  • この授業は同期授業として行われます。 一部の例外を除き、参加（つまり出席）は必須です。 これが難しいと思われる方は私(@danroth)に相談してください。

Course Description

機械学習の目標は、経験から適応し学習できるコンピュータシステムを構築することです。 近年、機械学習技術を利用したアプリケーションが急増しており、自然言語技術（Siri、検索技術、自動広告、テキスト修正）からコンピュータビジョン技術（画像認識アプリケーション、自律走行車）、ゲノム、医療診断、ソーシャルネットワーク分析など、最近の多くの技術の成功に機械学習が不可欠であると言うことができます。 この分野の基本的な問題を理解するために、機械学習における基礎的な問題（いつ、なぜ学習が機能するのか）を議論し、自然言語やテキスト理解、音声認識、コンピュータビジョン、データマイニング、適応型コンピュータシステムなどの応用分野で成功するために必要な主要パラダイムと技法を提示する。 本コースでは、教師あり学習および（半）教師なし学習のアプローチを検討する。 具体的には、線形表現学習法、決定木法、ベイズ法、カーネルベース法、ニューラルネットワーク法、クラスタリング、次元削減などである。 また、問題を機械学習問題としてモデル化する方法、学習アルゴリズムを評価する方法、ノイズの多いデータ、ドメイン適応などの現実的な問題への対処方法についても議論する予定である。

前提条件

線形代数（主に記法と基本概念）、基礎確率、微積分、データ構造・アルゴリズムについて、CIS121程度の基礎知識を前提とします

時間・場所

講義

月/水 10:30am – 12.00pm

講義の内容

月曜日 10:30am – 12.00pm00pm
Synchronously via Zoom

Recitations

Tentatively, Tuesday & Wednesday (Details TBD)

Aditional Requirement for CIS 519

The graduate version of this course (CIS 519) に登録した学生は学期を通じて追加の作業を行う必要があります。 この作業には、コースプロジェクト、および（おそらく）宿題と試験への追加要素が含まれます。

2つのバージョンには異なる要件があるため、CIS 419としてコースを完了し、後に大学院単位取得のためにCIS 519に変更するよう嘆願することはできません。

CIS520との比較

圧倒的な需要により、ペンシルバニア大学では2種類の機械学習コースが提供されています。 CIS 419/519 (Applied Machine Learning)とCIS 520 (Machine Learning)です。 このセクションでは、これらのコースの違いを簡単に説明します。

CIS 419/519 Applied Machine Learning（本コース！）は、機械学習（ML）の入門レベルのコースで、MLの技術を応用することに重点を置いています。 このコースは学部版（419）と大学院版（519）のクロスリストになっており、大学院コースの519は上記のようにやや異なる要件になっています。 CIS 419/519は、CIS 520 Machine Learningで扱うMLの統計的基礎や理論よりも、既存の機械学習手法の実問題への応用に興味がある学生を対象としている。 CIS 419/519は機械学習の基礎の一部をカバーするが、CIS520よりも数学的に厳密でないことを意図しており、これは必ずしも「簡単」であることを意味しない。 このクラスでは、機械学習の重要な問題をよく理解し、機械学習のモデル化と問題への適用方法についてしっかりとした背景を持った学生が卒業できるように計画されています。

CIS 519はCIS 520の前提条件ではありません。 しかし、すでにCIS 520を受講した後にCIS 519を受講することは、ほとんど意味がない。 また、CIS 419/519を最初に履修し、その後CIS 520を履修することは、ほとんど意味がありませんが、可能です

。