Return to Video

Καλώς ήρθατε! (05:35)

  • 0:00 - 0:04
    Καλησπέρα σε όλους και καλώς ήρθατε στα Πιθανοκρατικά Γραφικά Μοντέλα.
  • 0:04 - 0:08
    Το όνομα μου είναι Δάφνη Κόλερ και είμαι καθηγήτρια στο Πανεπιστήμιο Στάνφορντ.
  • 0:08 - 0:10
    Εμείς εδώ στο Στάνφορντ είμαστε πολύ ενθουσιασμένοι
  • 0:10 - 0:12
    που μπορούμε να προσφέρουμε αυτό το πτυχιακού επιπέδου μάθημα του Στάνφορντ
  • 0:12 - 0:15
    σε οποιονδήποτε οπουδήποτε στον κόσμο δωρεάν.
  • 0:15 - 0:18
    Οπότε, τι είναι τα πιθανοκρατικά γραφικά μοντέλα;
  • 0:18 - 0:21
    Λοιπόν, είναι λίγο περίπλοκη η εξήγηση
  • 0:21 - 0:24
    και πρόκειται να μιλήσουμε γι'αυτό σε επόμενο βίντεο
  • 0:24 - 0:26
    αλλά και καθόλη τη διάρκεια της τάξης.
  • 0:26 - 0:30
    Σ'αυτό το βίντεο θα ήθελα να σας πω λίγα πράγματα για τρόπο διεξαγωγής του μαθήματος.
  • 0:30 - 0:33
    Για αυτό το μάθημα θα προσφερθεί υλικό για πάνω απο 10 εβδομάδες
  • 0:33 - 0:35
    συν μια τελική εξέταση (στο τέλος).
  • 0:35 - 0:39
    Το περιεχόμενο θα μεταφέρεται μέσα απο βίντεο
  • 0:39 - 0:42
    τα οποία θα διακόπονται απο μικρά κουίζ για να βοηθηθείτε στην κατανόηση.
  • 0:42 - 0:45
    Επιπροσθέτως θα υπάρχει ένα εβδομαδιαίο σετ προβλημάτων
  • 0:45 - 0:50
    των οποίων η βαθμολογία στο σύνολο της θα αποτελεί το 25% της βαθμολογίας
  • 0:50 - 0:53
    ένα σύνολο απο 9 σετ προβλημάτων για τις 9 εβδομάδες μαθημάτων.
  • 0:53 - 0:57
    Τα σετ προβλημάτων είναι σχεδιασμένα έτσι ώστε να επιτρέπεται πολλαπλή υποβολή,
  • 0:57 - 1:01
    αλλά κάθε φορά θα είναι λίγο διαφορετικά,
  • 1:01 - 1:04
    έτσι ώστε να μπορείτε να επανυποβάλετε το ίδιο σετ προβλημάτων μερικές φορές
  • 1:04 - 1:07
    για να είστε σίγουροι ότι κατέχετε το υλικό.
  • 1:07 - 1:11
    Επιπροσθέτως, θα υπάρχει μια εβδομαδιαία προγραμματιστική εργασία,
  • 1:11 - 1:14
    και αυτές οι προγρ. εργασίες είναι επιλεγμένες
  • 1:14 - 1:18
    έτσι ώστε να ενισχύουν συγκεκριμένες έννοιες τις οποίες μελετάμε στο μάθημα,
  • 1:18 - 1:21
    αλλά την ίδια στιγμή να αποκαλύψει το εύρος των εφαρμογών
  • 1:21 - 1:25
    στο οποίο το πλαίσιο των πιθανοκρατικών γραφικών μοντέλων μπορεί να εφαρμοστεί επιτυχώς.
  • 1:25 - 1:27
    Έτσι θα έχουμε, για παράδειγμα,
  • 1:27 - 1:30
    ένα σετ προβλημάτων πάνω στο ποιά είναι η χρήση των Π.Γ.Μ.
  • 1:30 - 1:34
    για να καταλάβουμε την κληρονομικότητα των γενετικά κληρονομικών ασθενειών.
  • 1:34 - 1:36
    Θα έχουμε ένα (Π.Γ.Μ.) που θα δείχνει
  • 1:36 - 1:39
    πως μπορείς να δεις ένα σύνολο χειρόγραφων χαρακτήρων
  • 1:39 - 1:41
    και να διαβάσεις τι είναι γραμμένο.
  • 1:41 - 1:44
    Και θα έχουμε ένα το οποιό θα επιτρέπει
  • 1:44 - 1:48
    να κοιτάξεις τη ροή των δεδομένων απο έναν σένσορα Kinect
  • 1:48 - 1:50
    το οπoίο σου δίνει βίντεο και δεδομένα εύρους
  • 1:50 - 1:52
    και αναγνωρίζει ανθρώπινες δραστηριότητες.
  • 1:52 - 1:56
    Αυτές οι 9 προγραμματιστικές εργασίες θα αξίζει η κάθεμια 7% του συνολικού βαθμού
  • 1:56 - 1:58
    συνολικά δηλαδή 63%
  • 1:58 - 2:01
    το οποίο μας αφήνει ένα 12% για την τελική εξέταση.
  • 2:01 - 2:04
    Τι υπόβαθρο χρειάζεστ για αυτή την τάξη;
  • 2:04 - 2:08
    Λοιπόν, θα είναι αρκετά δύσκολο να παρακολουθήσετε αυτή την τάξη,
  • 2:08 - 2:11
    χωρίς να καταλαβαίνετε βασική θεωρία πιθανοτήτων,
  • 2:11 - 2:13
    Δεν έχει να κάνει με πολύ προχωρημένα πράγματα.
  • 2:13 - 2:16
    Μιλάμε για πράγματα όπως η ανεξαρτησία και ο κανόνας του Bayes
  • 2:16 - 2:19
    και τα βασικά απο διακριτές κατανομές.
  • 2:19 - 2:21
    Επίσης έχουμε μερικά εισαγωγικά βίντεο
  • 2:21 - 2:24
    για να ανανεώσουμε τη μνήμη σας σχετικά με αυτά τα βασικά νοήματα.
  • 2:24 - 2:27
    Οι προγραμματιστικές εργασίες απαιτούν
  • 2:27 - 2:29
    να έχετε κάποια εμπειρία με προγραμματισμό
  • 2:29 - 2:31
    επειδή αυτό δεν είναι μάθημα προγραμματισμού.
  • 2:31 - 2:32
    Δεν σας μαθαίνουμε πως να προγραμματίζετε.
  • 2:32 - 2:37
    Και επειδή αυτό το μάθημα ενώνει ιδέες και απο την θεωρία πιθανοτήτων και απο την επιστήμη των υπολογιστών,
  • 2:37 - 2:41
    είναι πραγματικά σημαντικό να έχει ένα υπόβαθρο σε αλγόριθμους και δομές δεδομένων.
  • 2:41 - 2:44
    Προτεινόμενο, αλλά όχι αυστηρά απαραίτητο-
  • 2:44 - 2:47
    και σίγουρα δεν το απαιτούμε,
  • 2:47 - 2:49
    και σας δίνουμε το υπόβαθρο όπως πάμε-
  • 2:49 - 2:52
    είναι λίγη εμπειρία, ίσως απο machine learning,
  • 2:52 - 2:55
    ίσως και κάποια απλή μέθοδος βελτιστοποίησης όπως η μέθοδος μέγιστης κλίσης,
  • 2:55 - 2:57
    τίποτα πολύ περίπλοκο.
  • 2:57 - 3:01
    Και θα ήταν πολύ βοηθητικό να είχατε κάποια εμπειρία προγραμματισμού στο Matlab ή το Octave,
  • 3:01 - 3:04
    παρόλο που, θα υπάρχουν κάποια εισαγωγικά βίντεο και σ'αυτά
  • 3:04 - 3:08
    τα οποία σας μαθαίνουν αυτή τη γλώσσα προγραμματισμού σε περίπτωση που δεν έχετε παίξει μαζί της πιο πριν.
  • 3:10 - 3:12
    Μερικά ακόμα ζητήμα άξια προσοχής:
  • 3:12 - 3:15
    Η τάξη έχει έναν κώδικα τιμής.
  • 3:15 - 3:19
    Αυτή είναι η νόρμα και για τους μαθητές εδώ στο Στάνφορντ όταν παίρνουν το μάθημα εδώ.
  • 3:19 - 3:23
    Ο κώδικας τιμής λέει ότι επιτρέπεται να συζητήσεις το υλικό,
  • 3:23 - 3:27
    βασικά σαν ενθαρρύνουμε να συζητήσετε το υλικό με τουςσυμμαθητές σας.
  • 3:27 - 3:31
    Μπορείτε ακόμα και να ρωτήσετε και διευκρινιστικές ερωτήσεις για τα σετ προβλημάτων και τις προγραμματιστικές ερωτήσεις.
  • 3:31 - 3:33
    Αλλά ότι παραδίδετε θα πρέπει να είναι δική σας δουλειά.
  • 3:33 - 3:40
    Επιπλέον, σας ζητάμε να μην ποστάρετε ούτε τις προγραμματιστικές εργασίες
  • 3:40 - 3:42
    ή τις λύσεις κάπου στο διαδίκτυο,
  • 3:42 - 3:45
    έτσι ώστε οι επόμενες γενιές φοιτητών να μπορούν να λύσουν
  • 3:45 - 3:48
    τα σετ προβλημάτων και τις προγραμματιστικές εργασίες ανεξάρτητα μόνοι τους.
  • 3:48 - 3:52
    Ένα δεύτερο ζήτημα να έχετε κατα νου είναι η διαχείρηση χρόνου.
  • 3:52 - 3:54
    Αυτό είναι ένα μάθημα του Στάνφορντ πτυχιακού επιπέδου
  • 3:54 - 3:57
    και θεωρείται δύσκολο ακόμη και εδώ στο Στάνφορντ.
  • 3:57 - 3:59
    Ο μέσος μαθητής στο Στάνφορντ εύκολα μπορεί να ξοδέψει
  • 3:59 - 4:01
    δέκα με δεκαπέντε ώρες την εβδομάδα για αυτό το μάθημα,
  • 4:01 - 4:03
    και για αυτό θα σας προτείναμε να αφιερώσετε
  • 4:03 - 4:06
    τουλάχιστον αυτό το ποσό χρόνου σε προσπάθεια για αυτό το μάθημα
  • 4:06 - 4:08
    αν δεν θέλετε να βρείτε τον εαυτό σας να ξεμένει απο χρόνο
  • 4:08 - 4:10
    όταν μια προθεσμία υποβολής πλησιάζει.
  • 4:10 - 4:13
    Έχουμε βάλει λίγο λάσκα στην προθεσμία υποβολής,
  • 4:13 - 4:18
    έτσι ώστε αν δεν τα καταφέρετε να υποβάλετε τις ασκήσεις στην αρχική προθεσμία,
  • 4:18 - 4:19
    θα έχετε μια εβδομάδα περίοδο χάριτος.
  • 4:19 - 4:23
    Αλλά αυτό θα έχει προφανώς αντίκτυπο στο σετ προβλημάτων της επόμενης εβδομάδας.
  • 4:23 - 4:25
    Για αυτό το λόγο σας συμβουλεύουμε να μην κρατήσετε
  • 4:25 - 4:29
    ένα καθυστερημένο σύνολο εργασιών κατα τη διάρκεια του μαθήματος,
  • 4:29 - 4:31
    γιατί στο τέλος θα γυρίσει να σας δαγκώσει.
  • 4:32 - 4:36
    Τέλος, μέρος της εμπειρίς αυτής της τάξης
  • 4:36 - 4:39
    είναι η διαδραστικότητα με τους συμμαθητές,
  • 4:39 - 4:41
    για αυτό το λόγο έχουμε ένα φόρουμ συζητήσεων
  • 4:41 - 4:43
    το οποίο έχει αποδειχθεί σε άλλες τάξεις
  • 4:43 - 4:47
    να είναι μια ανεκτίμητη πηγή διαδραστικότητας με άλλους μαθητές,
  • 4:47 - 4:50
    κάνοντας ερωτήσεις και συγκεντρώνοντας μια βαθύτερη κατανόηση του υλικού του μαθήματος.
  • 4:50 - 4:52
    Επίσης σας ενθαρρύνουμε να φτιάξετε ομάδες μελέτης-
  • 4:52 - 4:56
    αυτές μπορεί να είναι ομάδες μελέτης με ανθρώπους στης ίδια γεωγραφική περιοχή,
  • 4:56 - 5:00
    η διαδικτυακές ομάδες μελέτης όπου θα μπορείτε να συζητήσετε το υλικό μεταξύ σας.
  • 5:00 - 5:02
    Πιστεύουμε ότι κάνοντας αυτό
  • 5:02 - 5:04
    θα αποκτήσετε μια πολύ βαθύτερη κατανόηση των υλικών του μαθήματς
  • 5:04 - 5:07
    και θα κάνει το μάθημα σημαντικά πιο ευχάριστο.
  • 5:07 - 5:09
    Οπότε, για να συνοψίσουμε,
  • 5:09 - 5:15
    μέσα απο όλα αυτά τα διαφορετικά κομμάτια περιεχομένου και ασκήσεων
  • 5:15 - 5:18
    πιστεύουμε ότι θα μάθετε τις θεμέλιες μεθόδους
  • 5:18 - 5:20
    σ'αυτή την περιοχή των πιθανοκρατικών γραφικών μοντέλων.
  • 5:20 - 5:22
    Θα έχετε επίσης τη δυνατότητα ν αδείτε και να παίξετε
  • 5:22 - 5:26
    με μια γκάμα εφαρμογών απο τον πραγματικό κόσμο για τις οποίες αυτές οι μέθοδοι έχουν εφαρμοστεί
  • 5:26 - 5:29
    και ελπίζουμε να φύγετε απο αυτή την τάξη με μια κατανόηση
  • 5:29 - 5:32
    ως προς το πως να πάρετε τις ιδέες και να τις χρησιμοποιήσετε στη δικιά σας δουλειά
  • 5:32 - 5:34
    σε προβλήματα για τα οποία εσείς ενδιαφέρεστε.
  • 5:34 -
    Ανυπομονούμε να σας δούμε στην τάξη.
Title:
Καλώς ήρθατε! (05:35)
Video Language:
English
constantinos dimitriou edited Greek subtitles for Welcome! (05:35)
constantinos dimitriou added a translation

Greek subtitles

Revisions