Slashdot - Univerza Stanford se je zaradi dobrega odziva občinstva odločila razširiti ponudbo predmetov, ki so v celoti skupaj s posnetimi predavanji in nalogami za slušatelje dostopni na spletu. Začela sta Sebastian Thrun in Peter Norvig, ki sta na splet priobčila osnove umetne inteligence (skupina na redditu), sedaj pa sta dostopna še dva druga predmeta.
Gre za strojno učenje, ki ga predava Andrew Ng, in podatkovne baze, ki jih predava Jennifer Widom. Slušatelji - prijavi se lahko dobesedno kdorkoli, umetna inteligenca jih je imela prek 100.000 - bodo spremljali predavanja, ki so za lažje sledenje razkosana v 10-minutne prispevke. Poleg tega bodo dobivali tudi tedenske naloge, ki jih bodo na Stanfordu tudi pregledali in posredovali povratno informacijo. Posamezen predmet naj bi vzel od osem do deset ur časa tedensko, od tega bosta približno dve tretjini odpadli na samostojno delo pri reševanju problemov.
Prijave bo Stanford začel sprejemati septembra, saj bosta predmeta trajala od 10. oktobra do 16. decembra. Kdor bo uspešno zaključil, bo dobil tudi dokument o svojih dosežkih, ki pa ne bo uradno priznan kot opravljena fakultetna obveznost (kreditne točke). Predmet lahko Stanford prizna le svojim študentom, ki so fizično vpisani na univerzo. Poleg omenjenih treh predmetov, ki so v celoti dostopni na internetu prek projekta Stanford Engineering Everywhere, najdemo na internetu še stanfordove metodologijo programiranja, abstrakcije v programiranju in paradigme programirane, ki ponujajo le predavanja in naloge.
Upam, da se zavedate, da bo veliki večini najbolj prav prišla snov podatkovnih baz. Ne vidim smisla, da se prijavljate na vse tri predmete - oz. predlagam, da izberete enega in se ga lotite resno. Seveda je dobro informativno pogledat vsa predavanja, če bo čas.
Še enkrat pa bi poudaril, da se študentje dobro naučite, tako na faksu kot sicer, podatkovnih baz! Te so odločilne in dejanska trdna podlaga tudi za ostali področji.
Moral sem se odzvat, ker zgoraj vsi, ki pišete, zanemarjate ta predmet, vsaj po komentarjih sodeč. Toplo priporočam, da tega ne počnete. :)
Vse se VEDNO BOLJ vrti okoli podatkov in informacij. VSE!
Upam, da bomo videli, da nas je FERI (in prof. Welzer) naučil vse to :).
Jaz pa ne vidim smisla prijavljati se na PB. Kar je potrebno tu vedet zna prakticno vsak, medtem ko je ML precej bolj vroca tema in je, vsaj na FERI, zelo slabo pokrito podrocje. Predmet uci Sebastian Thrun, priblizno mesec nazaj je imel na nasi univerzi predavanje, predvsem o njegovih avtonomnih avtomobliih, najbrz najboljse predavanje kar sem jih slisal. Njegova predavnja mocno priporocam.
tudi sam se bom odločil za ml, koliko časa bo pa zadeva tekla in koliko časa bom lahko sledil je pa druga , bom se pa potrudil. Nevem če se mi kot avtomatik splača spremljati tudi AI, zanima me področje. Vendar čas čas čas čas, to me jebe.
@Xgeneration in @amacar Da vama povem prof. Welzer Tatjana me od podatkovnih baz ni načila skoraj nič, razen kup zgodovine in predpotopnih sistemov. Edino kaj nebom nikoli pozabil je kako zgleda Ansi-Spark model ki nam ga je vsako predavanje risala. Tako o tem zakaj ona ni kriva za nepoznavanje PB. Pri njej sem napisa vsega skupaj 6 SQL stavkov 1 "bazo" zmodeliral in eno podatkovno skladišče.
Aja pa še to PB 1 in 2 sem imel 9 samo zaradi teorije ker se je nikoli nisem učil.
When you look long into an abyss, the abyss looks into you
Super novica. Tile "Redwood" profesorji so pa frajerji.
Tistim, ki nameravate spremljati predavanja: "Make the most of it!" ... Eno akademsko leto Undegrad Stanford studenta stane cca. $50k USD. Zdaj je priložnost dobiti top-notch znanje zastonj.
Heh, mogoče bom še sam še enkrat poslušal AI in ML. Da vidim, v čem se njihov pristop razlikuje od prof. Bratko / Kononenko.
Sej da želim širit slabo energijo, ampak polovica od vas tukaj ki se bo prijavila, verjetno ne bo niti do konca pogledala predavanj. Verjetno boste pošnofal malo kaj so izpiti itd... ampak to je pa tudi vse. Da ne bo pomote- verjetno bom jest storil isto- odvisno od časa/volje. Sicer pa odlično da takšna ustanova kot je Stanford ponuja znanje tudi za navadne smrtnike - sploh tiste izven US&A. Končno zopet en korak naprej h pravi internetni distribuciji znanja po sistemu da je internet sredstvo za premagovanje razdalj in ne novo sredstvo za ustvarjanje razlik! Upam da bom res imel kakšno uro časa da si ogledam kak lecture.
Jaz pa ne vidim smisla prijavljati se na PB. Kar je potrebno tu vedet zna prakticno vsak,
Epic fail izjava! Morda to zna "vsak", ki nekdaj let dela s PB.
Še enkrat poudarjam, da se z ML večina računalničarjev in informatikov, ki boste zaposleni v bankah, zavarovalnicah, skoraj gotovo ne bo srečala niti približno tako pogosto kot s področjem PB.
ML in AI sta zelo zanimivi področji, ampak če se temu resno ne posvetiš, je neuporabno. Baze pa so povsod.
Ampak zakaj bi pa bili zaposleni v bankah/zavarovalnicah in ostalih podobnih podjetjih? Meni gredo že prav na živce ljudje, ki čim jim poveš, da te zanima računalništvo, te takoj tlačijo v take zaposlitve? A je tako nemogoče, da me zanima računalništvo in nimam niti najmanjšega interesa, da bi delal v takih podjetjih? Jaz bi pač rad delal kar me zanima in mi je zelo žal ampak to me niti pod razno ne, prav tako me ne zanima izdelava spletnih strani in podobna sranja. Če bi se že odločil za kaj od stvari, ki me manj zanimajo bi blo to razvijanje mobilnih aplikacij. Drugače pa me bolj zanima robotika, igre ter delo na embeded sistemih. Tukaj pa je znanje podatkovnih baz malce manj pomembno (nisem rekel da ni!).
Saj ne rečem nekaj znanja podatkovnih baz ne škodi ampak, pol kile teorije in pet dek uporabnega znanja ni ravno moja ideja učenja. Poslušanje o raznih relacijskih algebrah in modeliranju informacijskih sistemov pa ni moja ideja zabave. In pridemo spet na začetek - jaz bi rad delal nekaj kar me zabava. Plus sem še vedno mnenja, da področje PB ni ravno nevemkoliko težko. V času, ko lahko vsak mulc, ki si vzame par minut časa in preštudira razne mysql tutoriale pa sploh. Drži razni tutoriali po spletu te ne bodo naučili vsega, ampak znati kako narediti neko bazo, kako definirati primarne ključe, ustvariti poizvedbe za to in ono pa je že skoraj vse kar v praksi rabiš. Sploh, ker je SQL naprimer precej enostavnen, dokler ne prideš do kakih hudih joinov, ko moraš res nekaj razmišljati. V glavnem kar rabiš več boš pač osvojil, ko boš to rabil - preko raznih manualov ali pa naprimer dodatnega izobraževanja, če te bo ta stvar zanimala. Ne pa zato, ker bom sigurno sam še en informatik, ki se bo zaposlil v banki.
AI pa ML grem zihr... DB bom pa se vidu 
, bom se pa potrudil. Nevem če se mi kot avtomatik splača spremljati tudi AI, zanima me področje. Vendar čas čas čas čas, to me jebe. 
