-
Здравствуйте. Добро пожаловать на курс о графическиех вероятностных моделях.
-
Меня зовут Дафна Колер и я профессор Стэнфордского Университета.
-
Мы в Стэнфорде воодушевлены возможностью
-
предоставить этот Стэнфордский курс выпускного уровня
-
каждому, в любой точке мира, бесплатно.
-
Итак, что же такое графические вероятностные модели?
-
Ну, это немного сложно объяснить,
-
и мы будем возвращаться к этому в следующем видео,
-
а также на всем протяжении курса.
-
В этом видео я бы хотела рассказать вам немного о формате этого курса.
-
Материалы этого курса расчитаны на 10 недель обучения,
-
а также в конце будет выпускной экзамен.
-
Программа будет подаваться через набор обучающих видео,
-
дополненых вопросами для закрепления материала.
-
Дополнительно, будет еженедельный набор задач,
-
которые все вместе дадут 25% от общей оценки.
-
Всего будет 9 наборов задач на первые 9 недель курса.
-
Задачи сделаны таким образом, чтобы их можно было сдавать несколько раз,
-
но каждый набор будет немного отличаться от предыдущего.
-
Так что можно сдавать тот же набор задач несколько раз,
-
чтобы убедиться, что вы овладели материалом.
-
Еще будут еженедельные задания на программирование,
-
и эти задания выбраны таким образом,
-
чтобы закрепить определенные понятия, которые мы изучаем,
-
и в то же время дать представление о тех областях,
-
где графические вероятностные модели могут успешно применяться.
-
Так, например, у нас будет задание,
-
которое показывает как использовать графические вероятностные модели
-
для понимания наследственности в генетическихх заболеваниях.
-
Будет еще одно, которое показывает
-
как, глядя на набор написаных от руки символов,
-
понимать, что там написано.
-
Также будет задание, которое позволит вам
-
гладя на выходной поток с сенсора Kinect,
-
в котором есть и видео и данные,
-
распознавать жесты человека.
-
Каждое задание по программированию дает 7% от общей оценки,
-
в сумме это дает 63%,
-
что оставляет 12% на выпускной экзамен.
-
Что нужно знать для того, чтобы пройти этот курс?
-
Да, пройти этот курс будет действительно сложно
-
без некоторого понимания базовой теории вероятностей.
-
Это не обязательно должны быть очень сложные вещи.
-
Мы говорим о таких вещах, как независимость, правило Байеса,
-
и основы дискретных распределений.
-
Также у нас есть несколько вступительных материалов,
-
чтобы освежить в вашей памяти эти базовые понятия.
-
Для заданий на программирование требуется,
-
чтобы у вас был некоторый опыт в программировании,
-
потому что у нас не курс программирования.
-
Мы не будем учить вас как писать программы.
-
И, поскольку этот курс совмещает знания теории вероятностей и информатики,
-
здесь важно иметь понимание алгоритмов и структур данных.
-
Рекомендуется, но не строго необходимо,
-
и мы не требуем этого
-
и будем давать некоторые знания на ходу -
-
это небольшой опыт в машинном обучении,
-
возможно простые оптимизации, типа алгоритмов градиентного спуска,
-
ничего очень сложного.
-
Также будет полезен некоторый опыт программирование в Matlab или Octave,
-
хотя для этого тоже есть вступительные материалы,
-
которые помогут вам изучить этот язык программирования, если вы не имели раньше с ним дела.
-
Еще пара вопросов, которые стоит упомянуть:
-
Этот курс имеет кодекс чести.
-
Это норма для наших студентов, которые учатся в Стэнфорде.
-
Кодекс чести позволяет вам обсуждать материалы,
-
даже поощряет обсуждать материалы со своими сокурсниками.
-
Вы даже можете спрашивать уточняющие вопросы по наборам задач и заданиям по программированию.
-
Но то, что вы сдаете - должно быть вашей собственной работой.
-
Более того, мы требуем, чтобы вы не размещали ни задания,
-
ни их решения, нигде в интернете,
-
чтобы следующие поколения студентов могли делать
-
свои задания самостоятельно и независимо от вас.
-
Второй вопрос - это управление временем.
-
Это Стэнфордский курс выпусконого уровня,
-
и он считается трудным даже здесь, в Стэнфорде.
-
Студент в Стэнфорде может провести
-
10-15 часов в неделю занимаясь на этом курсе,
-
и мы рекомендуем посвятить
-
как минимум столько же времени на этот курс,
-
если вы не хотите чтобы у вас нехватало времени
-
прямо перед сроком сдачи заданий.
-
Мы предусмотрели небольшое послабление в сроках сдачи заданий,
-
так что если вы не успели сдать вовремя,
-
у вас есть неделя льготного периода.
-
Но это конечно же может сказаться на заданиях следующей недели.
-
Так что мы вам не рекомендуем откладывать
-
задания на протяжении всего курса,
-
потому что в конце может оказаться очень тяжело.
-
Наконец, часть процесса обучения -
-
это взаимодействие со своими со-курсниками.
-
Для этих целей у нас есть форум,
-
который зарекомендовал себя
-
как неоценимый способ общения с другими студентами,
-
чтобы задавать вопросы и добиваться лучшего понимания материала.
-
Мы также поощряем создания групп обучения -
-
это может быть как реальная группа людей в одном и том же географическом регионе,
-
или онлайн группа, где вы можете просто обсуждать материал друг с другом.
-
Мы считаем, что это
-
даст вам гораздо лучшее понимание материала,
-
а также сделает курс более увлекательным.
-
Итак, подводя итог,
-
через все эти материалы и упражнения,
-
вы изучите фундаментальные методы
-
в области графических вероятностных моделей.
-
Вы также увидите и опробуете
-
набор настоящих приложений, где эти методы применены.
-
И мы надеемся, что бы выйдете отсюда с пониманием
-
как использовать эти идеи в вашей работе,
-
в задачах, которыми вы занимаетесь.
-
С нетерпением ждем вас на этом курсе.