Acerca de este Curso

7119 vistas recientes
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Nivel avanzado
Aprox. 66 horas para completar
Inglés (English)

Habilidades que obtendrás

  • Algorithms
  • Expectation–Maximization (EM) Algorithm
  • Graphical Model
  • Markov Random Field
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Nivel avanzado
Aprox. 66 horas para completar
Inglés (English)

Instructor

Ofrecido por

Placeholder

Universidad de Stanford

Programa - Qué aprenderás en este curso

Semana1
Semana 1
16 minutos para completar

Learning: Overview

16 minutos para completar
1 video (Total 16 minutos)
1 hora para completar

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

1 hora para completar
6 videos (Total 59 minutos)
2 horas para completar

Parameter Estimation in Bayesian Networks

2 horas para completar
5 videos (Total 77 minutos)
Semana2
Semana 2
21 horas para completar

Learning Undirected Models

21 horas para completar
3 videos (Total 52 minutos)
Semana3
Semana 3
18 horas para completar

Learning BN Structure

18 horas para completar
7 videos (Total 106 minutos)
Semana4
Semana 4
22 horas para completar

Learning BNs with Incomplete Data

22 horas para completar
5 videos (Total 83 minutos)

Reseñas

Principales reseñas sobre PROBABILISTIC GRAPHICAL MODELS 3: LEARNING

Ver todas las reseñas

Acerca de Programa especializado: modelos gráficos de probabilidades

modelos gráficos de probabilidades

Preguntas Frecuentes

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