Sobre este Programa de cursos integrados
17,971 visualizações recentes

cursos 100% online

Comece imediatamente e aprenda em seu próprio cronograma.

Cronograma flexível

Definição e manutenção de prazos flexíveis.

Nível avançado

Aprox. 4 meses para completar

7 horas/semana sugeridas

Inglês

Legendas: Inglês

Habilidades que você terá

InferenceBayesian NetworkBelief PropagationGraphical Model
Os alunos fazendo este Specialization são
  • Machine Learning Engineers
  • Data Scientists
  • Research Assistants
  • Biostatisticians
  • Researchers

cursos 100% online

Comece imediatamente e aprenda em seu próprio cronograma.

Cronograma flexível

Definição e manutenção de prazos flexíveis.

Nível avançado

Aprox. 4 meses para completar

7 horas/semana sugeridas

Inglês

Legendas: Inglês

Como funciona o programa de cursos integrados

Fazer cursos

Um programa de cursos integrados do Coursera é uma série de cursos para ajudá-lo a dominar uma habilidade. Primeiramente, inscreva-se no programa de cursos integrados diretamente, ou avalie a lista de cursos e escolha por qual você gostaria de começar. Ao se inscrever em um curso que faz parte de um programa de cursos integrados, você é automaticamente inscrito em todo o programa de cursos integrados. É possível concluir apenas um curso — você pode pausar a sua aprendizagem ou cancelar a sua assinatura a qualquer momento. Visite o seu painel de aprendiz para controlar suas inscrições em cursos e progresso.

Projeto prático

Todos os programas de cursos integrados incluem um projeto prático. Você precisará completar com êxito o(s) projeto(s) para concluir o programa de cursos integrados e obter o seu certificado. Se o programa de cursos integrados incluir um curso separado para o projeto prático, você precisará completar todos os outros cursos antes de iniciá-lo.

Obtenha um certificado

Ao concluir todos os cursos e completar o projeto prático, você obterá um certificado que pode ser compartilhado com potenciais empregadores e com sua rede profissional.

how it works

Este Programa de cursos integrados contém 3 cursos

Curso1

Probabilistic Graphical Models 1: Representation

4.7
1,098 classificações
243 avaliações
Curso2

Probabilistic Graphical Models 2: Inference

4.6
370 classificações
56 avaliações
Curso3

Probabilistic Graphical Models 3: Learning

4.6
223 classificações
32 avaliações

Instrutores

Avatar

Daphne Koller

Professor
School of Engineering

Sobre Universidade de Stanford

The Leland Stanford Junior University, commonly referred to as Stanford University or Stanford, is an American private research university located in Stanford, California on an 8,180-acre (3,310 ha) campus near Palo Alto, California, United States....

Perguntas Frequentes – FAQ

  • Sim! Para começar, clique na carta de curso que lhe interessa e se inscreva. Você pode se inscrever e concluir o curso para ganhar um certificado compartilhável ou você pode auditar para ver os materiais do curso de graça. Quando você se inscrever em um curso que faz parte de uma especialização, você está automaticamente inscrito para a especialização completa. Visite o seu painel de aluno para acompanhar o seu progresso.

  • Este curso é totalmente on-line, então não existe necessidade de aparecer em uma sala de aula pessoalmente. Você pode acessar suas palestras, leituras e atribuições a qualquer hora e qualquer lugar, via web ou dispositivo móvel.

  • The Specialization has three five-week courses, for a total of fifteen weeks.

  • 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.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.