À propos de ce cours

6 934 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

AlgorithmsExpectation–Maximization (EM) AlgorithmGraphical ModelMarkov 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 du 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 Etudiants.