Créé par :   Université Stanford

  • Daphne Koller

    Enseigné par :    Daphne Koller, Professor

    School of Engineering
Informations de base
NiveauAdvanced
Langue
English
Comment réussirRéussissez tous les devoirs notés pour terminer le cours.
Notes des utilisateurs
4.5 stars
Average User Rating 4.5Voir ce que disent les étudiants
Programme de cours

FAQ
Comment cela fonctionne
Travail en cours
Travail en cours

Chaque cours fonctionne comme un manuel interactif en proposant des vidéos préenregistrées, des quiz et des projets.

Aide de la part de vos pairs
Aide de la part de vos pairs

Connectez-vous à des milliers d'autres étudiants et débattez sur des idées, discutez le contenu du cours et obtenez de l'aide pour en maîtriser les concepts.

Certificats
Certificats

Obtenez une reconnaissance officielle pour votre travail et partagez votre réussite avec vos amis, vos collègues et vos employeurs.

Créateurs
Université Stanford
The Leland Stanford Junior University, commonly referred to as Stanford University or Stanford, is an American private research university located in Stanford, California on an 8,180-acre (3,310 ha) campus near Palo Alto, California, United States.
Tarification
Auditeur libreAcheter le cours
Accéder au contenu du cours

Disponible

Disponible

Accéder au contenu noté

Non disponible

Disponible

Recevoir une Note Finale

Non disponible

Disponible

Earn a Shareable Course Certificate

Non disponible

Disponible

Notation et examens
Note moyenne 4.5 sur 5 sur 23 notes

Tougher course than the 2 preceding ones, but definitely worthwhile.

Very interesting course. Several methods and algorithms are well-explained.

Excellent course! Everyone interested in PGM should consider!

Great content. Explores the machine learning techniques with the tightest coupling of statistics with computer science. The Probabilistic Graphical Models series is one of the harder MOOCs to pass. Learners are advised to buy the book and actually read it carefully, preferably in advance of listening to the lectures. The quality of the course is generally high. The discussion is a little muddled at the very end when practical aspects of applying the EM algorithm (for learning when there is missing data) is discussed.