Informações sobre o curso

6.909 visualizações recentes
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Nível avançado
Aprox. 66 horas para completar
Inglês

Habilidades que você terá

AlgorithmsExpectation–Maximization (EM) AlgorithmGraphical ModelMarkov Random Field
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Nível avançado
Aprox. 66 horas para completar
Inglês

Instrutores

oferecido por

Placeholder

Universidade de Stanford

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

16 minutos para concluir

Learning: Overview

16 minutos para concluir
1 vídeo (Total 16 mín.)
1 hora para concluir

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

1 hora para concluir
6 vídeos (Total 59 mín.)
2 horas para concluir

Parameter Estimation in Bayesian Networks

2 horas para concluir
5 vídeos (Total 77 mín.)
Semana
2

Semana 2

21 horas para concluir

Learning Undirected Models

21 horas para concluir
3 vídeos (Total 52 mín.)
Semana
3

Semana 3

18 horas para concluir

Learning BN Structure

18 horas para concluir
7 vídeos (Total 106 mín.)
Semana
4

Semana 4

22 horas para concluir

Learning BNs with Incomplete Data

22 horas para concluir
5 vídeos (Total 83 mín.)

Avaliações

Principais avaliações do PROBABILISTIC GRAPHICAL MODELS 3: LEARNING

Visualizar todas as avaliações

Sobre Programa de cursos integrados Modelos Gráficos Probabilísticos

Modelos Gráficos Probabilísticos

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.