Hola a todos, y bienvenidos al curso de Modelos Probabilisticos Graficos Mi nombre es Daphne Koller y soy profesora de la Universidad de Stanford Aca en Stanford estamos realmente emocionados de poder ofrecer este curso de posgrado de Stanford a todos, en todos lados alrededor del mundo, gratis. Entonces,que son los Modelos Probabilisticos Graficos? Bien, es un poquitin complicado de explicar y vamos a hablar de eso en un video mas adelante pero también, a lo largo de todo el curso. En este video quisiera contarles un poco sobre el formato del curso. El curso será ofrecido a lo largo de material que abarca diez semanas mas un examen final al concluir el curso. El contenido será transmitido a través de un conjunto de videos, aumentados con pequeños cuestionarios para reforzar el entendimiento Además, habrá un trabajo práctico semanal donde el total de los trabajos prácticos valdrán un 25% del puntaje total sobre un total de nueve trabajos prácticos para las nueves semanas de material. Los trabajos prácticos estan diseñados para permitir multiples entregas, donde cada versión del trabajo prácticos será un poco diferente para hacer posible re-enviar el mismo trabajo práctico un par de veces y así asegurarse que realmente han perfeccionado su entendimiento del material. Además, habŕa un ejercicio de programación cada semana, con cada ejercicio de programación seleccionado para reforzar conceptos especificos que estaremos estudiando en el curso, pero al mismo tiempo para ir revelando el rango de aplicaciones en las cuales el framework de Modelos Probabilisticos Graficos puede ser aplicado exitosamente. Asi que tendremos, por ejemplo, un ejercicio de programación sobre como usar los modelos probabilisticos gráficos para entender la herencia de enfermedades geneticamente hereditarias. Tendremos uno que muestra como uno puede ver un conjunto de caracteres manuscritos y leer que hay escrito allí. Y tendremos uno que permite mirar una saluda de un sensor Kinect que provee tanto salida de video como de profundidad y reconocer actividades humanas. Estos nueve ejercicios de programación valdrá cada uno 7% del puntaje con un puntaje total de 63%, lo que deja un 12% para el examen final. Que background necesitás para esta clase? Bien, será muy dificil pasar este curso, sin un endenimiento básico de Teoría de Probabilidades. Este no tiene que ser muy avanzado. Estamos hablando de cosas como independencia y regla de Bayes y cuestiones básicas de distribuciones discretas. También tenemos algunos modulos introductorios para ayudarles a refrescar la memoria sobre estos conceptos básicos. Los ejercicios de programación requerirán que tengan alguna experiencia previa en programación porque esta no es una clase de programación. No les enseñaremos como programar. Y como este curso mezcla ideas de teoría de probabilidades y ciencias de la computación, es realmente importante que tengan conocimiento previo de algoritmo y estructuras de datos. Recomendado, pero no estrictamente necesario -- y ciertamente no lo requerimos, y les proveeremos los conocimientos necesarios a medida que avanzamos -- es un poco de experiencia, quizás, de Aprendizaje de Máquinas, quizás algo de optimización simple como gradiente descendiente, nada muy sofisticado. Y será de ayuda tener algo de experiencia en Matlab u Octave, aunque, tenemos aquí también algo de materia introductorio que les ayudará a aprender este lenguaje de programación si es que no han jugado con el con anterioridad. Algunos otros temas que vale la pena mencionar: Esta clase tiene un código de honor. Esta es la norma también para los estudiante locales de Stanford cuando toman un curso en Stanford. El código de honor aquí dice que esta permitido discutir el material, de hecho hasta se alienta a discutir el material con sus compañeros. Puedes también hacer preguntas clarificadoras sobre los trabajos prácticos y los ejercicios de programación. Pero lo que entregues, debe ser resultado de tu propio trabajo. Mas aún, requerimos de que no posteen ni los ejercicios de programación o sus soluciones en ningún lado de la web, para que así generaciones futuras de estudiantes puedan también hacer los trabajos prácticos y los ejercicios de programación de manera independiente, Un segundo asunto a tener en mente sobre la administración del tiempo. Este es un curso de postgrado de Stanford y es considera un curso dificil incluso aquí en Stanford. Un estudiante típico de Stanford puede facilmente dedicarle diez a quince horas semanales a este curso, así que sugeriríamos que administre al menos esa cantidad de tiempo a su propio esfuerzo en este curso si es que no quiere encontrarse quedandose sin tiempo cuando algún vencimiento de entrega se acerque. Hemos considerado algo de flojera en los vencimientos, así que si no logra presentar su entrega en el vencimiento original, tiene un periodo de gracia de una semana. Pero eso, claro, comienza a quitarle tiempo en la entrega de la semana siguiente. Así que le aconsejamos que no se atrace en los ejercicios a lo largo del curso, porque volverá a morderlo al final. Finalmente, parte de la experiencia de este curso es interactuar con sus compañeros, así que para ese propósito tenemos un foro de discución que ha demostrado en otros cursos ser un recurso invaluable para la interacción con otros alumnos, haciendo preguntas y obteniendo un entendimiento mas profundo del material. Fomentamos también la formación de grupos de estudio -- estos pueden ser grupos de estudio físicos con personas en la misma región geográfica, o grupos de estudio online donde pueden discutir el material entre ustedes. Creemos que haciendo esto le proveeremos un entendimiento mucho mejor del material y de paso hará el curso considerablemente mas entretenido. Así que para resumir, a través de todas estas diferentes partes del contenido y de los ejercicios, creemos que aprenderá métodos fundamentales en esta área de modelos probabilísticos gráficos. Tendrá también la oportunidad de ver y jugar con un rango de aplicaciones realistas sobre las cuales estos métodos han sido aplicados y esperamos que dejará este curso con un entendimiento de como tomar estas ideas y usarlas en su propio trabajo en problemas que le importen a Usted. Esperamos verlos en el curso.