Sobre este Programa de cursos integrados

18,756 visualizações recentes
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 de carreira do aprendiz
50%
Começou uma nova carreira depois de completar o Programa de cursos integrados.
20%
Conseguiu um aumento ou uma promoção.
Certificados compartilháveis
Tenha o certificado após a conclusão
Cursos 100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Cronograma flexível
Definição e manutenção de prazos flexíveis.
Nível avançado
Aprox. 4 meses para completar
11 horas/semana sugeridas
Inglês
Resultados de carreira do aprendiz
50%
Começou uma nova carreira depois de completar o Programa de cursos integrados.
20%
Conseguiu um aumento ou uma promoção.
Certificados compartilháveis
Tenha o certificado após a conclusão
Cursos 100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Cronograma flexível
Definição e manutenção de prazos flexíveis.
Nível avançado
Aprox. 4 meses para completar
11 horas/semana sugeridas
Inglês

Este Programa de cursos integrados contém 3 cursos

Curso1

Curso 1

Probabilistic Graphical Models 1: Representation

4.7
estrelas
1,292 classificações
286 avaliações
Curso2

Curso 2

Probabilistic Graphical Models 2: Inference

4.6
estrelas
446 classificações
68 avaliações
Curso3

Curso 3

Probabilistic Graphical Models 3: Learning

4.6
estrelas
276 classificações
45 avaliações

oferecido por

Placeholder

Universidade de Stanford

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.