• Para aderir, certifique-se de que está na lista de espera do CIS. As actualizações serão comunicadas à medida que a informação se torna disponível. Até agora, todas as pessoas da categoria 4 ou inferior receberam autorização para se registarem. Neste ponto, acreditamos que todas as pessoas na lista de espera entrarão na classe.

  • Por favor, esteja familiarizado com as outras partes deste site, especificamente as seções Políticas e o Syllabus. Por favor, use Piazza para nos fazer perguntas, ou deixe-me (@danroth) um e-mail.

  • A classe será executada como uma classe síncrona. Com algumas exceções, a participação (e, portanto, o comparecimento) é obrigatória. Por favor, fale comigo (@danroth) se você acha que isso será difícil para você.

Curso Descrição

O objectivo do Machine Learning é construir sistemas informáticos que possam adaptar-se e aprender com a sua experiência. Nos últimos anos temos visto um surto de aplicações que fazem uso de tecnologias de Machine Learning e pode-se argumentar que Machine Learning tem sido essencial para o sucesso de muitas tecnologias recentes, desde tecnologias de linguagem natural (Siri, tecnologia de busca, publicidade automatizada, correção de texto) até tecnologias de visão por computador (aplicações de reconhecimento de imagem, veículos autônomos), genômica, diagnóstico médico, análise de redes sociais, e muitas outras.

Este curso introduzirá alguns dos principais métodos de Machine Learning que têm se mostrado valiosos e bem sucedidos em aplicações práticas. Iremos discutir algumas das questões fundamentais na aprendizagem de máquinas – quando e porque é que a aprendizagem funciona – de modo a obter uma boa compreensão das questões básicas nesta área, e apresentar os principais paradigmas e técnicas necessárias para obter um bom desempenho em áreas de aplicação como a compreensão da linguagem natural e do texto, reconhecimento da fala, visão computacional, mineração de dados, sistemas computacionais adaptativos e outros. O corpo principal do curso irá rever várias abordagens de aprendizagem supervisionada e (semi)supervisionada. Estas incluem métodos de aprendizagem de representações lineares, métodos de árvore de decisão, métodos Bayesianos, métodos baseados em kernel e métodos de redes neuronais, bem como agrupamento e redução da dimensionalidade. Iremos também discutir como modelar problemas como problemas de aprendizagem de máquinas, como avaliar algoritmos de aprendizagem, e como lidar com algumas questões do mundo real, tais como dados ruidosos, e adaptação de domínios.

Pre-requisitos

Assumimos familiaridade básica de álgebra linear (principalmente notação e conceitos básicos), probabilidade básica, cálculo e estrutura/algoritmos de dados ao nível do CIS 121

Tempo e Localização

Palestras

Mon/Wed 10:30am – 12:00pm
Synchronously via Zoom

Recitações

Tentativamente, terça-feira &Quarta-feira (Detalhes TBD)

Requisito adicional para o CIS 519

Estudantes inscritos na versão de pós-graduação deste curso (CIS 519) terão que completar trabalhos adicionais ao longo do semestre. Este trabalho incluirá um projeto de curso, e (possivelmente) componentes adicionais ao trabalho de casa e aos exames.

Desde que as duas versões tenham requisitos diferentes, você não poderá completar o curso como CIS 419 e, posteriormente, solicitar que ele seja alterado para CIS 519 para crédito de pós-graduação; se você está considerando alterar este curso para CIS 519 para crédito de pós-graduação, você deve se inscrever para a versão de pós-graduação agora.

Comparação ao CIS 520

Devido a uma demanda avassaladora, Penn está oferecendo dois cursos diferentes de aprendizagem mecânica: CIS 419/519 (Applied Machine Learning) e CIS 520 (Machine Learning). Esta secção descreve brevemente as diferenças entre estes cursos.

CIS 419/519 Aprendizagem Aplicada de Máquinas (este curso!) é um curso de nível introdutório na aprendizagem de máquinas (ML) com ênfase na aplicação de técnicas ML. O curso é uma lista cruzada entre as versões de graduação (419) e pós-graduação (519); o curso de pós-graduação 519 tem requisitos um pouco diferentes, como descrito acima. O CIS 419/519 destina-se a alunos que estejam interessados na aplicação prática dos métodos de aprendizagem de máquinas existentes a problemas reais, e não nos fundamentos estatísticos e teóricos do ML cobertos pelo CIS 520 Machine Learning. O CIS 419/519 irá cobrir algumas das bases do ML, mas pretende ser menos rigoroso matematicamente do que o CIS520; isto não significa necessariamente que seja “mais fácil”. O plano é que os alunos deixarão esta classe com uma boa compreensão das questões-chave da Aprendizagem com Máquina, e com um sólido histórico de como modelar e aplicar a aprendizagem com máquina aos seus problemas.

CIS 519 NÃO é um pré-requisito para o CIS 520. No entanto, faz pouco sentido tomar o CIS 519 depois de já ter tomado o CIS 520. Também faz pouco sentido, mas possível, tomar primeiro o CIS 419/519 e depois tomar o CIS 520.

.