Acerca de este Programa Especializado

20,639 vistas recientes
Probabilistic graphical models (PGMs) are a rich framework for encoding probability distributions over complex domains: joint (multivariate) distributions over large numbers of random variables that interact with each other. These representations sit at the intersection of statistics and computer science, relying on concepts from probability theory, graph algorithms, machine learning, and more. They are the basis for the state-of-the-art methods in a wide variety of applications, such as medical diagnosis, image understanding, speech recognition, natural language processing, and many, many more. They are also a foundational tool in formulating many machine learning problems.
Resultados profesionales del estudiante
50%
Comenzaste una nueva carrera profesional después de completar este programa especializado.
20%
Conseguiste un aumento de sueldo o ascenso.
Certificado para compartir
Obtén un certificado al finalizar
Cursos 100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Cronograma flexible
Establece y mantén fechas de entrega flexibles.
Nivel avanzado
Aprox. 4 meses para completar
Sugerido 11 horas/semana
Inglés (English)
Subtítulos: Inglés (English)
Resultados profesionales del estudiante
50%
Comenzaste una nueva carrera profesional después de completar este programa especializado.
20%
Conseguiste un aumento de sueldo o ascenso.
Certificado para compartir
Obtén un certificado al finalizar
Cursos 100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Cronograma flexible
Establece y mantén fechas de entrega flexibles.
Nivel avanzado
Aprox. 4 meses para completar
Sugerido 11 horas/semana
Inglés (English)
Subtítulos: Inglés (English)

Hay 3 cursos en este Programa Especializado

Curso1

Curso 1

Probabilistic Graphical Models 1: Representation

4.7
estrellas
1,275 calificaciones
282 revisiones
Curso2

Curso 2

Probabilistic Graphical Models 2: Inference

4.6
estrellas
442 calificaciones
65 revisiones
Curso3

Curso 3

Probabilistic Graphical Models 3: Learning

4.6
estrellas
272 calificaciones
41 revisiones

ofrecido por

Logotipo de Universidad de Stanford

Universidad de Stanford

Preguntas Frecuentes

  • Esta Especialización no otorga crédito universitario, pero algunas universidades pueden aceptar los Certificados de especializaciones para obtener crédito. Consulta con tu institución para obtener más información. Los Títulos en línea y los Certificados Mastertrack™ de Coursera brindan la oportunidad de obtener créditos universitarios.

  • Si estás suscrito, obtienes una prueba gratis de 7 días, que podrás cancelar cuando desees sin ningún tipo de penalidad. Una vez transcurrido ese tiempo, no realizamos reembolsos. No obstante, puedes cancelar tu suscripción cuando quieras. Consulta nuestra política completa de reembolsos.

  • ¡Sí! Para empezar, haz clic en la tarjeta del curso que te interesa e inscríbete. Puedes inscribirte y completar el curso para obtener un certificado que puedes compartir o puedes acceder al curso como oyente para ver los materiales del curso de manera gratuita. Cuando cancelas la suscripción de un curso que forma parte de un programa especializado, se cancela automáticamente la suscripción de todo el programa especializado. Visita el panel del estudiante para realizar un seguimiento de tu progreso.

  • Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el enlace de Ayuda económica que está debajo del botón “Inscribirse” a la izquierda. Se te pedirá que completes una solicitud. Recibirás una notificación en caso de que se apruebe. Deberás completar este paso para cada uno de los cursos que forman parte del Programa especializado, incluido el proyecto final. Obtén más información.

  • Cuando te inscribes en el curso, tienes acceso a todos los cursos del programa especializado y obtienes un certificado cuando completas el trabajo. Si solo deseas leer y ver el contenido del curso, puedes participar del curso como oyente de manera gratuita. Si no puedes pagar la tarifa, puedes solicitar ayuda económica.

  • Este curso es completamente en línea, de modo que no necesitas ir a un aula en persona. Puedes acceder a tus lecciones, lecturas y tareas en cualquier momento y cualquier lugar a través de Internet o tu dispositivo móvil.

  • This class does require some abstract thinking and mathematical skills. However, it is designed to require fairly little background, and a motivated student can pick up the background material as the concepts are introduced. We hope that, using our new learning platform, it should be possible for everyone to understand all of the core material.

    Though, you should be able to program in at least one programming language and have a computer (Windows, Mac or Linux) with internet access (programming assignments will be conducted in Matlab or Octave). It also helps to have some previous exposure to basic concepts in discrete probability theory (independence, conditional independence, and Bayes' rule).

  • For best results, the courses should be taken in order.

  • No.

  • You will be able to take a complex task and understand how it can be encoded as a probabilistic graphical model. You will now know how to implement the core probabilistic inference techniques, how to select the right inference method for the task, and how to use inference to reason. You will also know how to take a data set and use it to learn a model, whether from scratch, or to refine or complete a partially specified model.

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