[] Hi, Ik heet Carlos Guestrin. Ik ben de Amazon Machine learning professor. >> Wacht, Ik ben de Amazone Machine Learning professor. >> Wie ben jij? >> Ik heet Emily Fox. Ik ben de Amazon Machine Learning professor 
van de opleiding Computer Science. En ik ben de Amazon Machine Learning professor 
van de opleiding Computer Science. Wij zijn allebei van University of Washington
in de plaats Seattle, Dit is één van de Verenigde Staten. [Lachen]. Dit is... >> Dit is de Verenigde Staten van Amerika. >> Van Amerika. Ter verduidelijking. Amerika. Amerika. .. [Lachen] Zo, welke competenties heb jij, Emily,
om deze cursus te geven? [Lachen]
>> Moet ik mijn hele CV voorlezen? Nee, alleen het begin ervan. Wat zijn mijn competenties? Oké. Ik heb lang geleden, negen jaar op MIT gestudeerd, 
maar dat was niet voor één studie; ik heb in die negen jaren
meer studies gevolgd. Maar, inderdaad, ik studeerde daar voor mijn PhD in elektrotechniek en 
computer wetenschappen. Moet ik nog meer competenties opsommen? Ik denk dat dit wel genoeg is. >> Zij heeft uitstekende kwalificaties. Daarvan ben ik overtuigd. [Lachen] En ik heb mij bachelor behaald bij de 
Universiteit van Sao Paulo in Brazilië. En mijn doctoraat computer wetenschappen
bij Stanford Volgens Emily heb ik al een jarenlange 
ervaring met machine learning. >> Inderdaad, al een lange tijd. Zal ik nu vertellen waarom ik 
overgestapt ben naar Statitiek. Nadat ik mij doctoraat in electrotechniek en computer science had behaald heb ik aan de
Duke universiteit een postdoc Statistiek gedaan Maar ook mijn doctoraat omvatte al 
heel veel statistiek. Maar de MIT universiteit had geen zelfstandige
statistiek opleiding toen ik daar studeerde. Dus ik ben 
voor statistiek auto-didact. >> We kunnen alles wel zelf leren. >> Ja 
>> [Lachen] >> Daarom is er ook deze MOOC cursus. >> [Lachend], We leren samen Ik heb al een tijd ervaring is machine learning en
ik ben erg enthousiast over allerlei methoden van machine learning, 
in grote range van toepassingen. Ik heb gewerkt aan theoretische algoritmen
over planning onzekerheid voor het kunnen beslissen met gebruik
van machine learning. Ik heb gewerkt aan sensor gegevens 
van gedistribueerde sensor systemen, ook wel sensor netwerken genoemd
en tegenwoordig Internet of Things. Maar dat is al lang geleden. Daarna heb
ik me gefocussed op machine learning op grote schaal. Dat is hoe kunnen machine learning methoden opgeschaald 
worden naar grote hoeveelheden gegevens? Sommige van die resultaten zien we 
terug in deze specialisatie. En wat heb jij gedaan? Ik heb niet zo'n lange geschiedenis
als Carlos. [Lachend]. Maar wat ik er leuk vind is het werken met tijdreeks applicatie, waarbij gegevens 
met tijdstempels beschikbaar komen. en waaruit de onderliggende structuren of patronen
van de gegevens gevonden worden. Mijn onderzoek focust zich op
het opschalen naar multi dimensionale en zeer grote
verzamelingen tijdreeks waarneming vooral als er complexe 
dynamiek aanwezig is. Een ander interessegebied van is
bestudering van de interferenties bij streaming data. Ook heb ik gewerkt aan verschillende
praktische toepassingen. Sommigen hebben echt mij passie. Op dit moment vooral neuro wetenschappen. Maar ook toepassingen op spraak- 
en bewegingsanalyse, Analyse van menselijk bewegen, analyse van
financiële data, enzovoort. Veel van die dat hebben een dynamisch 
en tijdelijk gedrag. dat intrigeert me erg. >> Ja?
>> Niet, ja, dat is het. >> En wij hebben al een lange tijd
onderwijs in  machine learning gegeven. Ook universitair onderwijs.
>> Sommige meer dan anderen. >> Die grap houdt nooit op. >> Nee.
>> veel universitair onderwijs. Dus die zijn wij.
Het is voor ons een uitdagend ervaring om een online cursus te verzorgen. >>Ja. >> Hoe kwam jij er toe om
deze online cursus te geven. >> Hoe ik dat besloten heb? Dat is een goede vraag. Er zijn veel redenen waarom ik
deze online cursus wil geven. Maar de basis reden is hoe we machine learning
kennis kunnen verspreiden onder een groot publiek. Persoonlijk kom ik va een ander ander achtergrond
in het lesgeven. en Carlos ook. Daarom zijn we dit experiment gestart om machine learning
en statistiek zo les te geven. Ik denk dat dit een hele leuk manier 
is om op basis niveau aan een breed publiek kennis over te dragen.
Daarvoor ben ik enthousiast. Een ander reden is dat ik dit in de toekomst ook voor andere groepen, waaraan ik les geef 
op de universiteit, wil toepassen. Dat is op de University of Washington,
als assistent professor. [Lachend], maar niet zo lang meer. Dus ik ben ook erg enthousiast over
hoe machine learning onderwezen wordt. We hebben er lang over nagedacht hoe we Machne learning op een nieuwe manier te ondewijzen. In deze specialisatie, zoals vaker ter sprake zal komen,
zullen we machine learning op een andere manier benaderen als 
hoe andere dat doen. We gaan ons eerst richten op
het toepassen en begrijpen wat er praktisch kan met machine learning.
Daarna gaan we de methoden verder bestuderen en  inhoudelijk begrijpen hoe deze methoden gebouwd
zijn en hoe deze nuttig in te zetten zijn. Deze module is voor ons bedoeld om een nieuwe manier te vinden om machine
learning te onderwijzen. Een manier die cool is. >> Het is cool. >> We zijn er erg enthousiast over. >>Ja. We zijn enthousiast. [GELACH] []