[背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community 大家好 我是Carlos Guestrin 我是机器学习的亚马逊教授 等一下 我是机器学习的亚马逊教授 那你是谁？ 我是Emily Fox 好吧 其实我是计算机科学系机器学习的亚马逊教授 我还是统计系的机器学习的亚马逊教授 我们都在华盛顿大学西雅图分校执教 这就是美国 恩 就是美利坚合众国 简称美国 只是为了说清楚一点 恩 美国 恩 美国 你为什么有资格在这里呢? 要不要读一下我的简历啊? 哈哈 算了 我们还是回到正题啊 恩 我的履历 好 我之前去了MIT (麻省理工) 挺久的 有9年
拿了不止一个学位 在9年中拿了好几个 恩 我一开始在MIT 攻读电气工程和计算机科学的博士 还需要再说一些履历吗? 噢不用了 我想已经足够了 她非常有资格教授这门课 那我来就说一下我吧 我的本科毕业于巴西的Sao Paulo (圣保罗) 大学 我在斯坦佛获得了计算机科学的博士学位 我也曾经在机器学习这个领域工作了很长时间
就像Emily 一样 真的非常长时间了 也许我该说一些关于我转到统计的事情 在我获得了电气工程了计算机科学的博士学位后 我在杜克大学的统计系做博士后 事实上 我大部分的博士研究其实都是和统计有关 但是MIT在那个时候 并没有统计系 至少在我读书的时候还没有
所以我是一个自学的统计学家 事实上我们都可以自学 是的 这也是MOOC (大型开放式网络课程) 存在的意义 我们一起学习 我在机器学习领域工作了很久 我真的对于 机器学习的各种方法非常兴奋 我曾经研究关于使用机器学习 在不确定性的条件下决策的运筹的理论算法 我研究过分布式传感器的传感数据 曾经被叫做传感网络 现在叫物联网 那时候我花了很多功夫在大数据的机器学习上 怎样在有非常大量数据的情况下进行机器学习 我们会在这个专题课程里说到这些内容 你呢？ 我不像Carlos一样做了那么久的机器学习工作 不过我曾经很喜欢 在时间序列应用的工作
处理那些不同时间收集来的数据 我们也试着去寻找那些数据潜在的结构或模式 我的研究主要在于如何按比例增加 高维的或者大量的时间序列数据 特别是当我们有着非常复杂的动态过程的时候 我另外一个研究兴趣在于 随着数据流不断增加 我们该如何进行统计推断 我已经研究了大量不同的应用 这也是我为之着迷的地方 举个例子 我现在对神经学特别感兴趣 不过 我也曾经研究过演讲的数据 运动追踪的应用 去分析人们的运动 还有金融的数据 等等等等 但是很多数据有着重要的临时结构 这也是我为之着迷的地方 恩就是这样了 我们也教了机器学习很长一段时间了 在大学的课程设置中
我们当中的一些人可能比其他人时间要长 这种玩笑从来不会停止 对 不会的
大学课程设置中有很多 恩 这就是我们的情况 我们对于讲授 这门网络课程感到非常兴奋 没错 那你准备在这么网络课程上做什么呢? 我是如何决定的? 非常好的问题。 其实 为什么要开设这么网络课程我有很多原因 最重要的一个原因就是 我们如何能把机器学习 传播给更广的受众 因为 对我个人而言 我有不同的背景 经受了不同的训练 所以Carlos和我 我们通过自己的经验学习机器学习 学习统计 这也是为什么我觉得我们能够将 这门基础课程传播到更广的受众 这也是我的内在的热情 另外一个原因就是 在未来怎么把这些机器学习传递给 我在华盛顿大学共处的另外一群人 当我在华盛顿大学做教授时
其实 是助理教授 并不是很久 恩 所以我对如何讲授机器学习感到非常兴奋 我们的确需要考虑 如何把机器学习以一种新的方式进行传播 在这门课程中 我们会将机器学习 通过不同的方式应用
不像你曾经之前在别的地方使用 我们首先注重的是应用 理解机器学习的影响 然后深入挖掘 并理解这些方法
知道他们是怎么产生的以及他们为什么有用 所以这段学习旅程的一部分就是 建立一种讲授机器学习的新方式
这个很酷 它很酷 所以我们很兴奋 没错 我们非常兴奋 这是他们的列表 这是我们的 有人发现什么规律了吗？[LAUGH] [背景音乐]
翻译: RyukaSuu |审阅: 19waa
Coursera Global Translator Community