Machine Learning

Faz algum tempo acho que seria interessante oferecer uma matéria sobre machine learning para os alunos do PTC da engenharia elétrica da Poli. Acho que seria especialmente útil para a turma de Controle, e também de Teleco.

O processo burocrático para oferecer uma matéria nova é demorado demais para o ritmo da tecnologia. No 2o semestre de 2017 vou oferecer "Tópicos de Controle Avançado". Estou considerando ignorar a ementa e escolher machine learning como tópico principal. Se houver tempo e interesse, investimos algum tempo nos tópicos antigos também. É um sacrifício de uma matéria  interessante, divertida, e para mim pouco exigente. Mas para os alunos me parece um bom caminho. Se não for agora quando, e se não eu quem?

Só tem um pequeno problema: não sei nada sobre machine learning. Detalhe pouco relevante. Diz-se que a única forma de aprender um assunto é ensinando. Então sugiro que os alunos me ensinem. Quando tiverem terminado de ensinar, terão aprendido. Faz sentido - o objetivo é da escola é os alunos aprenderem, não o professor.

Motivação: dizem por aí que data science é o emprego do século 21. Diversas universidades mais ágeis administrativamente do que a USP têm criado programas em "data science" ou orientados para "big data". Machine learning são os algoritmos centrais, e as ferramentas são coisas bastante conhecidas pelos alunos do PTC. Quem estudar um pouco sai com 2 voltas de vantagem para trabalhar no assunto em qq empresa, sem necessidade de fazer uma graduação inteira no assunto.

Informações práticas:

1. A matéria é a optativa com sigla PTC 2666 até 2016. Não sei a sigla em 2017. O único pré-requisito é Controle I ou equivalente. Acho razoável manter esse pré-requisito para facilitar a interação entre os colegas.
2. A aprovação continua sendo pelo critério média de 3 notas: auto-avaliação, avaliação dos colegas, e avaliação do professor. Em geral as 3 são idênticas, facilitando as contas.
3. Minha ideia é escolher um MOOC e fazermos todos juntos ao longo do semestre. Nas aulas discutimos o assunto visto online, e outros tópicos de interesse. Tarefas para antes do início das aulas incluem escolher o curso, a linguagem de programação a ser usada, e um livro de referência se houver.
4. Por favor me informem o interesse para facilitar o planejamento. Podemos desde já ir colecionando sugestões.
5. "Data science", "big data", "machine learning" não são os termos mais elegantes da língua de Camões. Por enquanto ficam como guarda-lugares provisórios, a serem substituídos quando chegar um consenso.

Aguardo retorno dos alunos interessados!

How Much Does the U.S. Government Subsidize Electricity Generating Technologies?

In reply to

How Much Does the U.S. Government Subsidize Electricity Generating Technologies? http://disq.us/t/2np316k

I wrote:

I am sorry, your methodology is just plain wrong.

The majority of US military spending serves to defend easy and inexpensive access to fossil fuel supplies, or to defend the country and our allies against attacks funded by oil revenues. This subsidy is orders of magnitude larger than the ones you did account for.

The subsidy implicit in the environmental and health costs of fossil fuels is even larger. You haven't accounted for those either. Your comparison is not in sense useful as a policy guide.

Transfer function zeros

I'm not so sure we really understand them. One the one hand, zeros are more fundamental than poles - poles can be reassigned by feedback, while zeros cannot be moved, they stay right where they are. Yes, stable zeros can be canceled - but they don't really go away, only become hard to observe - or unobservable if you believe in fairies and exact pole-zero cancelations.

On the other hand the very existence of a zero is somewhat arbitrary. A pure delay has no transmission zeros - what comes in gets out, at any input frequency. But a finite-dimensional approximation to a delay has transmission zeros. How can something apparently so immovable appear only in approximations?

The question is of course about the definition of the zeros in terms of the most fundamental description of a linear system, as a convolution of a kernel of integration with an input signal. Definitions in terms of transfer functions or state-space realizations are available and coincide.

Perhaps the definition of a zero as a transmission blocker is not so fundamental. I don't know, and I'm not terribly confident anyone does. Am I wrong?