Informações sobre o curso

74,101 visualizações recentes

Resultados de carreira do aprendiz

38%

comecei uma nova carreira após concluir estes cursos

24%

consegui um benefício significativo de carreira com este curso
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível avançado

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

Aprox. 33 horas para completar
Inglês

Habilidades que você terá

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

Resultados de carreira do aprendiz

38%

comecei uma nova carreira após concluir estes cursos

24%

consegui um benefício significativo de carreira com este curso
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível avançado

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

Aprox. 33 horas para completar
Inglês

oferecido por

Placeholder

National Research University Higher School of Economics

Programa - O que você aprenderá com este curso

Classificação do conteúdoThumbs Up83%(3,146 classificações)Info
Semana
1

Semana 1

3 horas para concluir

Introduction to Bayesian methods & Conjugate priors

3 horas para concluir
10 vídeos (Total 57 mín.), 3 leituras, 2 testes
10 videos
Think bayesian & Statistics review7min
Bayesian approach to statistics5min
How to define a model3min
Example: thief & alarm11min
Linear regression10min
Analytical inference3min
Conjugate distributions2min
Example: Normal, precision5min
Example: Bernoulli4min
3 leituras
About the University10min
Rules on the academic integrity in the course10min
MLE estimation of Gaussian mean10min
2 exercícios práticos
Introduction to Bayesian methods30min
Conjugate priors30min
Semana
2

Semana 2

7 horas para concluir

Expectation-Maximization algorithm

7 horas para concluir
17 vídeos (Total 168 mín.)
17 videos
Probabilistic clustering6min
Gaussian Mixture Model10min
Training GMM10min
Example of GMM training10min
Jensen's inequality & Kullback Leibler divergence9min
Expectation-Maximization algorithm10min
E-step details12min
M-step details6min
Example: EM for discrete mixture, E-step10min
Example: EM for discrete mixture, M-step12min
Summary of Expectation Maximization6min
General EM for GMM12min
K-means from probabilistic perspective9min
K-means, M-step7min
Probabilistic PCA13min
EM for Probabilistic PCA7min
2 exercícios práticos
EM algorithm30min
Latent Variable Models and EM algorithm30min
Semana
3

Semana 3

2 horas para concluir

Variational Inference & Latent Dirichlet Allocation

2 horas para concluir
11 vídeos (Total 98 mín.)
11 videos
Mean field approximation13min
Example: Ising model15min
Variational EM & Review5min
Topic modeling5min
Dirichlet distribution6min
Latent Dirichlet Allocation5min
LDA: E-step, theta11min
LDA: E-step, z8min
LDA: M-step & prediction13min
Extensions of LDA5min
2 exercícios práticos
Variational inference15min
Latent Dirichlet Allocation15min
Semana
4

Semana 4

6 horas para concluir

Markov chain Monte Carlo

6 horas para concluir
11 vídeos (Total 122 mín.)
11 videos
Sampling from 1-d distributions13min
Markov Chains13min
Gibbs sampling12min
Example of Gibbs sampling7min
Metropolis-Hastings8min
Metropolis-Hastings: choosing the critic8min
Example of Metropolis-Hastings9min
Markov Chain Monte Carlo summary8min
MCMC for LDA15min
Bayesian Neural Networks11min
1 exercício prático
Markov Chain Monte Carlo30min

Avaliações

Principais avaliações do BAYESIAN METHODS FOR MACHINE LEARNING

Visualizar todas as avaliações

Sobre Programa de cursos integrados Aprendizagem de máquina avançada

Aprendizagem de máquina avançada

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.