Creada por:   Stanford University

  • Daphne Koller

    Enseñado por:    Daphne Koller, Professor

    School of Engineering
Información básica
Curso 3 de 3 en el Programa especializado Probabilistic Graphical Models .
NivelAdvanced
Idioma
English
Cómo aprobarAprueba todas las tareas calificadas para completar el curso.
Calificaciones del usuario
4.5 stars
Average User Rating 4.5Ve los que los estudiantes dijeron
Programa

Preguntas Frecuentes
Cómo funciona
Trabajo del curso
Trabajo del curso

Cada curso es como un libro de texto interactivo, con videos pregrabados, cuestionarios y proyectos.

Ayuda de tus compañeros
Ayuda de tus compañeros

Conéctate con miles de estudiantes y debate ideas y materiales del curso, y obtén ayuda para dominar los conceptos.

Certificados
Certificados

Obtén reconocimiento oficial por tu trabajo y comparte tu éxito con amigos, compañeros y empleadores.

Creadores
Stanford University
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.
Tarifa
AuditarComprar curso
Accede a los materiales del curso

Disponible

Disponible

Accede a los materiales con calificación

No disponible

Disponible

Recibe una calificación final

No disponible

Disponible

Obtén un Certificado para compartir

No disponible

Disponible

Calificaciones y revisiones
Calificado 4.5 de 5 23 calificaciones

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.