À propos de ce cours

8 153 consultations récentes
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Niveau avancé
Approx. 66 heures pour terminer
Anglais

Compétences que vous acquerrez

  • Algorithms
  • Expectation–Maximization (EM) Algorithm
  • Graphical Model
  • Markov Random Field
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Niveau avancé
Approx. 66 heures pour terminer
Anglais

Enseignant

Offert par

Placeholder

Université de Stanford

Programme de cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

16 minutes pour terminer

Learning: Overview

16 minutes pour terminer
1 vidéo (Total 16 min)
1 heure pour terminer

Review of Machine Learning Concepts from Prof. Andrew Ng's Machine Learning Class (Optional)

1 heure pour terminer
6 vidéos (Total 59 min)
2 heures pour terminer

Parameter Estimation in Bayesian Networks

2 heures pour terminer
5 vidéos (Total 77 min)
Semaine
2

Semaine 2

21 heures pour terminer

Learning Undirected Models

21 heures pour terminer
3 vidéos (Total 52 min)
Semaine
3

Semaine 3

18 heures pour terminer

Learning BN Structure

18 heures pour terminer
7 vidéos (Total 106 min)
Semaine
4

Semaine 4

22 heures pour terminer

Learning BNs with Incomplete Data

22 heures pour terminer
5 vidéos (Total 83 min)

Avis

Meilleurs avis pour PROBABILISTIC GRAPHICAL MODELS 3: LEARNING

Voir tous les avis

À propos du Spécialisation Modèles graphiques probabilistes

Modèles graphiques probabilistes

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.