-
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.
