Yaniv Yacoby
计算机科学助理教授
我是一名跨学科研究人员，致力于机器学习(ML)和心理健康的交叉研究.
我领导着 模型导向不确定性(MOGU)实验室 在韦尔斯利, 我们如何在安全关键领域中有效和负责地使用表达性(深度)ML模型, 比如精准医疗. 我们的研究特别侧重于开发方法来帮助我们更好地理解, 预测, 防止自杀和相关行为. 我们通过开发临床医生/患者-人工智能合作的新范例来做到这一点.
我认为我的教学和研究都是社会的努力. 我的教学和研究都需要一个有意义的社会背景来中心伦理, 并且需要支持性的课堂/实验室文化来支持整体成长. 因此，我对创造强调社区建设和对社会技术系统和文化的质疑的课堂和导师体验感到兴奋.
工作之余, 我喜欢和我的两只猫和狗在一起, 演奏和听民间音乐, 尝试新食物, 看电视真人秀.
当前和即将开设的课程
数据结构
CS230
介绍组织大型程序的技术和构建模块. 主题包括:模块, 抽象数据类型, 递归, 算法的效率, 以及标准数据结构和算法的使用和实现, 比如列表, 树, 图, 栈, 队列, 优先级队列, 表, 排序, 和搜索. 通过使用Java编程语言的每周编程作业，学生将熟悉这些概念.
本课程有一个必修的实验室- cs230l.
学生必须获得CS 111教师的授权确认，这是基于CS 111概念的掌握，以便参加CS 230. 学生谁没有采取cs111在韦尔斯利，谁希望参加cs230应联系CS部门采取安置问卷.
[截至9月3日星期二登记] 这门课程目前已经满了，工作日的候补名单已经关闭. 如果在添加期间有可用的位置, 课程教师将与候补名单(现已关闭)中的学生联系，并在导师(POI)的许可下允许其注册。.
-
机器学习的概率基础
CS349
近年来, 人工智能使以前认为不可能的应用成为可能——从提出新药或产生新的艺术/音乐的系统, 能够准确可靠地实时预测医疗干预结果的系统. 但是是什么促成了这些发展? 概率机器学习, 这是机器学习最新进展的范例, 比如神经网络, 变成一个统计学习框架. 在本课程中, 我们介绍了这个范例背后的基本概念——统计模型规范, 以及统计学习和推理——侧重于将理论与现实世界的应用和实践联系起来. 本课程为机器学习的高级学习和研究奠定了基础. 主题包括:有向图形模型, 深度贝叶斯回归/分类, 聚类的生成模型(潜变量模型), 降维, 时间序列预测. 学生将获得为特定任务构建模型的实践经验 ,大多数来自医疗保健环境, 使用基于Python的概率编程语言.. 报名参加本课程必须得到讲师的许可. 对这门课程感兴趣的学生应该在注册前填写这张谷歌表格.