¿Cómo es tomar el CS 281 / Statistics 241 (aprendizaje automático de estadísticas) en Berkeley?

Lo tomé en el otoño de 2015, con Peter Bartlett. Repasamos modelos gráficos, logísticamente con 5 tareas (codificación y teóricas), y también tuvimos un proyecto que valía el 45% de nuestra calificación. Los estudiantes universitarios tuvieron que tomar un examen de ingreso para ingresar al curso. La mayor parte se centró en modelos gráficos, aunque se mencionaron algunas otras partes.

Para ser justos, antes de entrar en esta clase, apenas sabía lo que significaba la palabra “aprendizaje automático”. Sin embargo, al final me dio una introducción teórica bastante buena sobre el tema y su cultura. Sin embargo, la noción de un “modelo gráfico” que hace que los datos marginales sean más compactos no solo se limita a las distribuciones de probabilidad; Se han utilizado muchas ideas relacionadas en áreas como la teoría de juegos (juegos gráficos), utilizando el mismo paradigma algorítmico de modelos gráficos de ML puro.

Fue agradable, porque mi proyecto implicó revisar documentos sobre aproximación de la teoría de campo media (básicamente, cortar el modelo gráfico y aproximar el original, usando técnicas de corte con bordes equivalentes a la divergencia KL). Más tarde me di cuenta de que esta área temática estaba fuertemente motivada por la física estadística.

La clase de seguimiento que tomé fue 281B, que se centró en la teoría del aprendizaje computacional.