Καλησπέρα σε όλους και καλώς ήρθατε στα Πιθανοκρατικά Γραφικά Μοντέλα. Το όνομα μου είναι Δάφνη Κόλερ και είμαι καθηγήτρια στο Πανεπιστήμιο Στάνφορντ. Εμείς εδώ στο Στάνφορντ είμαστε πολύ ενθουσιασμένοι που μπορούμε να προσφέρουμε αυτό το πτυχιακού επιπέδου μάθημα του Στάνφορντ σε οποιονδήποτε οπουδήποτε στον κόσμο δωρεάν. Οπότε, τι είναι τα πιθανοκρατικά γραφικά μοντέλα; Λοιπόν, είναι λίγο περίπλοκη η εξήγηση και πρόκειται να μιλήσουμε γι'αυτό σε επόμενο βίντεο αλλά και καθόλη τη διάρκεια της τάξης. Σ'αυτό το βίντεο θα ήθελα να σας πω λίγα πράγματα για τρόπο διεξαγωγής του μαθήματος. Για αυτό το μάθημα θα προσφερθεί υλικό για πάνω απο 10 εβδομάδες συν μια τελική εξέταση (στο τέλος). Το περιεχόμενο θα μεταφέρεται μέσα απο βίντεο τα οποία θα διακόπονται απο μικρά κουίζ για να βοηθηθείτε στην κατανόηση. Επιπροσθέτως θα υπάρχει ένα εβδομαδιαίο σετ προβλημάτων των οποίων η βαθμολογία στο σύνολο της θα αποτελεί το 25% της βαθμολογίας ένα σύνολο απο 9 σετ προβλημάτων για τις 9 εβδομάδες μαθημάτων. Τα σετ προβλημάτων είναι σχεδιασμένα έτσι ώστε να επιτρέπεται πολλαπλή υποβολή, αλλά κάθε φορά θα είναι λίγο διαφορετικά, έτσι ώστε να μπορείτε να επανυποβάλετε το ίδιο σετ προβλημάτων μερικές φορές για να είστε σίγουροι ότι κατέχετε το υλικό. Επιπροσθέτως, θα υπάρχει μια εβδομαδιαία προγραμματιστική εργασία, και αυτές οι προγρ. εργασίες είναι επιλεγμένες έτσι ώστε να ενισχύουν συγκεκριμένες έννοιες τις οποίες μελετάμε στο μάθημα, αλλά την ίδια στιγμή να αποκαλύψει το εύρος των εφαρμογών στο οποίο το πλαίσιο των πιθανοκρατικών γραφικών μοντέλων μπορεί να εφαρμοστεί επιτυχώς. Έτσι θα έχουμε, για παράδειγμα, ένα σετ προβλημάτων πάνω στο ποιά είναι η χρήση των Π.Γ.Μ. για να καταλάβουμε την κληρονομικότητα των γενετικά κληρονομικών ασθενειών. Θα έχουμε ένα (Π.Γ.Μ.) που θα δείχνει πως μπορείς να δεις ένα σύνολο χειρόγραφων χαρακτήρων και να διαβάσεις τι είναι γραμμένο. Και θα έχουμε ένα το οποιό θα επιτρέπει να κοιτάξεις τη ροή των δεδομένων απο έναν σένσορα Kinect το οπoίο σου δίνει βίντεο και δεδομένα εύρους και αναγνωρίζει ανθρώπινες δραστηριότητες. Αυτές οι 9 προγραμματιστικές εργασίες θα αξίζει η κάθεμια 7% του συνολικού βαθμού συνολικά δηλαδή 63% το οποίο μας αφήνει ένα 12% για την τελική εξέταση. Τι υπόβαθρο χρειάζεστ για αυτή την τάξη; Λοιπόν, θα είναι αρκετά δύσκολο να παρακολουθήσετε αυτή την τάξη, χωρίς να καταλαβαίνετε βασική θεωρία πιθανοτήτων, Δεν έχει να κάνει με πολύ προχωρημένα πράγματα. Μιλάμε για πράγματα όπως η ανεξαρτησία και ο κανόνας του Bayes και τα βασικά απο διακριτές κατανομές. Επίσης έχουμε μερικά εισαγωγικά βίντεο για να ανανεώσουμε τη μνήμη σας σχετικά με αυτά τα βασικά νοήματα. Οι προγραμματιστικές εργασίες απαιτούν να έχετε κάποια εμπειρία με προγραμματισμό επειδή αυτό δεν είναι μάθημα προγραμματισμού. Δεν σας μαθαίνουμε πως να προγραμματίζετε. Και επειδή αυτό το μάθημα ενώνει ιδέες και απο την θεωρία πιθανοτήτων και απο την επιστήμη των υπολογιστών, είναι πραγματικά σημαντικό να έχει ένα υπόβαθρο σε αλγόριθμους και δομές δεδομένων. Προτεινόμενο, αλλά όχι αυστηρά απαραίτητο- και σίγουρα δεν το απαιτούμε, και σας δίνουμε το υπόβαθρο όπως πάμε- είναι λίγη εμπειρία, ίσως απο machine learning, ίσως και κάποια απλή μέθοδος βελτιστοποίησης όπως η μέθοδος μέγιστης κλίσης, τίποτα πολύ περίπλοκο. Και θα ήταν πολύ βοηθητικό να είχατε κάποια εμπειρία προγραμματισμού στο Matlab ή το Octave, παρόλο που, θα υπάρχουν κάποια εισαγωγικά βίντεο και σ'αυτά τα οποία σας μαθαίνουν αυτή τη γλώσσα προγραμματισμού σε περίπτωση που δεν έχετε παίξει μαζί της πιο πριν. Μερικά ακόμα ζητήμα άξια προσοχής: Η τάξη έχει έναν κώδικα τιμής. Αυτή είναι η νόρμα και για τους μαθητές εδώ στο Στάνφορντ όταν παίρνουν το μάθημα εδώ. Ο κώδικας τιμής λέει ότι επιτρέπεται να συζητήσεις το υλικό, βασικά σαν ενθαρρύνουμε να συζητήσετε το υλικό με τουςσυμμαθητές σας. Μπορείτε ακόμα και να ρωτήσετε και διευκρινιστικές ερωτήσεις για τα σετ προβλημάτων και τις προγραμματιστικές ερωτήσεις. Αλλά ότι παραδίδετε θα πρέπει να είναι δική σας δουλειά. Επιπλέον, σας ζητάμε να μην ποστάρετε ούτε τις προγραμματιστικές εργασίες ή τις λύσεις κάπου στο διαδίκτυο, έτσι ώστε οι επόμενες γενιές φοιτητών να μπορούν να λύσουν τα σετ προβλημάτων και τις προγραμματιστικές εργασίες ανεξάρτητα μόνοι τους. Ένα δεύτερο ζήτημα να έχετε κατα νου είναι η διαχείρηση χρόνου. Αυτό είναι ένα μάθημα του Στάνφορντ πτυχιακού επιπέδου και θεωρείται δύσκολο ακόμη και εδώ στο Στάνφορντ. Ο μέσος μαθητής στο Στάνφορντ εύκολα μπορεί να ξοδέψει δέκα με δεκαπέντε ώρες την εβδομάδα για αυτό το μάθημα, και για αυτό θα σας προτείναμε να αφιερώσετε τουλάχιστον αυτό το ποσό χρόνου σε προσπάθεια για αυτό το μάθημα αν δεν θέλετε να βρείτε τον εαυτό σας να ξεμένει απο χρόνο όταν μια προθεσμία υποβολής πλησιάζει. Έχουμε βάλει λίγο λάσκα στην προθεσμία υποβολής, έτσι ώστε αν δεν τα καταφέρετε να υποβάλετε τις ασκήσεις στην αρχική προθεσμία, θα έχετε μια εβδομάδα περίοδο χάριτος. Αλλά αυτό θα έχει προφανώς αντίκτυπο στο σετ προβλημάτων της επόμενης εβδομάδας. Για αυτό το λόγο σας συμβουλεύουμε να μην κρατήσετε ένα καθυστερημένο σύνολο εργασιών κατα τη διάρκεια του μαθήματος, γιατί στο τέλος θα γυρίσει να σας δαγκώσει. Τέλος, μέρος της εμπειρίς αυτής της τάξης είναι η διαδραστικότητα με τους συμμαθητές, για αυτό το λόγο έχουμε ένα φόρουμ συζητήσεων το οποίο έχει αποδειχθεί σε άλλες τάξεις να είναι μια ανεκτίμητη πηγή διαδραστικότητας με άλλους μαθητές, κάνοντας ερωτήσεις και συγκεντρώνοντας μια βαθύτερη κατανόηση του υλικού του μαθήματος. Επίσης σας ενθαρρύνουμε να φτιάξετε ομάδες μελέτης- αυτές μπορεί να είναι ομάδες μελέτης με ανθρώπους στης ίδια γεωγραφική περιοχή, η διαδικτυακές ομάδες μελέτης όπου θα μπορείτε να συζητήσετε το υλικό μεταξύ σας. Πιστεύουμε ότι κάνοντας αυτό θα αποκτήσετε μια πολύ βαθύτερη κατανόηση των υλικών του μαθήματς και θα κάνει το μάθημα σημαντικά πιο ευχάριστο. Οπότε, για να συνοψίσουμε, μέσα απο όλα αυτά τα διαφορετικά κομμάτια περιεχομένου και ασκήσεων πιστεύουμε ότι θα μάθετε τις θεμέλιες μεθόδους σ'αυτή την περιοχή των πιθανοκρατικών γραφικών μοντέλων. Θα έχετε επίσης τη δυνατότητα ν αδείτε και να παίξετε με μια γκάμα εφαρμογών απο τον πραγματικό κόσμο για τις οποίες αυτές οι μέθοδοι έχουν εφαρμοστεί και ελπίζουμε να φύγετε απο αυτή την τάξη με μια κατανόηση ως προς το πως να πάρετε τις ιδέες και να τις χρησιμοποιήσετε στη δικιά σας δουλειά σε προβλήματα για τα οποία εσείς ενδιαφέρεστε. Ανυπομονούμε να σας δούμε στην τάξη.