Acerca de este Curso

90,152 vistas recientes

Resultados profesionales del estudiante

38%

comenzó una nueva carrera después de completar estos cursos

24%

consiguió un beneficio tangible en su carrera profesional gracias a este curso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel avanzado

Course requires strong background in calculus, linear algebra, probability theory and machine learning.

Aprox. 33 horas para completar
Inglés (English)

Habilidades que obtendrás

Bayesian OptimizationGaussian ProcessMarkov Chain Monte Carlo (MCMC)Variational Bayesian Methods

Resultados profesionales del estudiante

38%

comenzó una nueva carrera después de completar estos cursos

24%

consiguió un beneficio tangible en su carrera profesional gracias a este curso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel avanzado

Course requires strong background in calculus, linear algebra, probability theory and machine learning.

Aprox. 33 horas para completar
Inglés (English)

ofrecido por

Placeholder

National Research University Higher School of Economics

Programa - Qué aprenderás en este curso

Calificación del contenidoThumbs Up83%(2,948 calificaciones)Info
Semana
1

Semana 1

3 horas para completar

Introduction to Bayesian methods & Conjugate priors

3 horas para completar
10 videos (Total 57 minutos), 3 lecturas, 2 cuestionarios
10 videos
Think bayesian & Statistics review7m
Bayesian approach to statistics5m
How to define a model3m
Example: thief & alarm11m
Linear regression10m
Analytical inference3m
Conjugate distributions2m
Example: Normal, precision5m
Example: Bernoulli4m
3 lecturas
About the University10m
Rules on the academic integrity in the course10m
MLE estimation of Gaussian mean10m
2 ejercicios de práctica
Introduction to Bayesian methods30m
Conjugate priors30m
Semana
2

Semana 2

7 horas para completar

Expectation-Maximization algorithm

7 horas para completar
17 videos (Total 168 minutos)
17 videos
Probabilistic clustering6m
Gaussian Mixture Model10m
Training GMM10m
Example of GMM training10m
Jensen's inequality & Kullback Leibler divergence9m
Expectation-Maximization algorithm10m
E-step details12m
M-step details6m
Example: EM for discrete mixture, E-step10m
Example: EM for discrete mixture, M-step12m
Summary of Expectation Maximization6m
General EM for GMM12m
K-means from probabilistic perspective9m
K-means, M-step7m
Probabilistic PCA13m
EM for Probabilistic PCA7m
2 ejercicios de práctica
EM algorithm30m
Latent Variable Models and EM algorithm30m
Semana
3

Semana 3

2 horas para completar

Variational Inference & Latent Dirichlet Allocation

2 horas para completar
11 videos (Total 98 minutos)
11 videos
Mean field approximation13m
Example: Ising model15m
Variational EM & Review5m
Topic modeling5m
Dirichlet distribution6m
Latent Dirichlet Allocation5m
LDA: E-step, theta11m
LDA: E-step, z8m
LDA: M-step & prediction13m
Extensions of LDA5m
2 ejercicios de práctica
Variational inference15m
Latent Dirichlet Allocation15m
Semana
4

Semana 4

6 horas para completar

Markov chain Monte Carlo

6 horas para completar
11 videos (Total 122 minutos)
11 videos
Sampling from 1-d distributions13m
Markov Chains13m
Gibbs sampling12m
Example of Gibbs sampling7m
Metropolis-Hastings8m
Metropolis-Hastings: choosing the critic8m
Example of Metropolis-Hastings9m
Markov Chain Monte Carlo summary8m
MCMC for LDA15m
Bayesian Neural Networks11m
1 ejercicio de práctica
Markov Chain Monte Carlo30m

Reseñas

Principales reseñas sobre BAYESIAN METHODS FOR MACHINE LEARNING

Ver todas las reseñas

Acerca de Programa especializado: Aprendizaje automático avanzado

Aprendizaje automático avanzado

Preguntas Frecuentes

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.