課程信息

106,938 次近期查看

學生職業成果

23%

完成這些課程後已開始新的職業生涯

22%

通過此課程獲得實實在在的工作福利

11%

加薪或升職

可分享的證書

完成後獲得證書

100% 在線

立即開始,按照自己的計劃學習。

第 1 門課程(共 3 門)

可靈活調整截止日期

根據您的日程表重置截止日期。

高級

完成時間大約為63 小時

英語(English)

字幕:英語(English)

您將獲得的技能

Bayesian NetworkGraphical ModelMarkov Random Field

學生職業成果

23%

完成這些課程後已開始新的職業生涯

22%

通過此課程獲得實實在在的工作福利

11%

加薪或升職

可分享的證書

完成後獲得證書

100% 在線

立即開始,按照自己的計劃學習。

第 1 門課程(共 3 門)

可靈活調整截止日期

根據您的日程表重置截止日期。

高級

完成時間大約為63 小時

英語(English)

字幕:英語(English)

講師

提供方

斯坦福大学 徽標

斯坦福大学

教學大綱 - 您將從這門課程中學到什麼

內容評分Thumbs Up84%(3,466 個評分)Info
1

1

完成時間為 1 小時

Introduction and Overview

完成時間為 1 小時
4 個視頻 (總計 35 分鐘)
4 個視頻
Welcome!3分鐘
Overview and Motivation19分鐘
Distributions4分鐘
Factors6分鐘
1 個練習
Basic Definitions8分鐘
完成時間為 10 小時

Bayesian Network (Directed Models)

完成時間為 10 小時
15 個視頻 (總計 190 分鐘), 6 個閱讀材料, 4 個測驗
15 個視頻
Reasoning Patterns9分鐘
Flow of Probabilistic Influence14分鐘
Conditional Independence12分鐘
Independencies in Bayesian Networks18分鐘
Naive Bayes9分鐘
Application - Medical Diagnosis9分鐘
Knowledge Engineering Example - SAMIAM14分鐘
Basic Operations 13分鐘
Moving Data Around 16分鐘
Computing On Data 13分鐘
Plotting Data 9分鐘
Control Statements: for, while, if statements 12分鐘
Vectorization 13分鐘
Working on and Submitting Programming Exercises 3分鐘
6 個閱讀材料
Setting Up Your Programming Assignment Environment10分鐘
Installing Octave/MATLAB on Windows10分鐘
Installing Octave/MATLAB on Mac OS X (10.10 Yosemite and 10.9 Mavericks)10分鐘
Installing Octave/MATLAB on Mac OS X (10.8 Mountain Lion and Earlier)10分鐘
Installing Octave/MATLAB on GNU/Linux10分鐘
More Octave/MATLAB resources10分鐘
3 個練習
Bayesian Network Fundamentals6分鐘
Bayesian Network Independencies10分鐘
Octave/Matlab installation2分鐘
2

2

完成時間為 1 小時

Template Models for Bayesian Networks

完成時間為 1 小時
4 個視頻 (總計 66 分鐘)
4 個視頻
Temporal Models - DBNs23分鐘
Temporal Models - HMMs12分鐘
Plate Models20分鐘
1 個練習
Template Models20分鐘
完成時間為 11 小時

Structured CPDs for Bayesian Networks

完成時間為 11 小時
4 個視頻 (總計 49 分鐘)
4 個視頻
Tree-Structured CPDs14分鐘
Independence of Causal Influence13分鐘
Continuous Variables13分鐘
2 個練習
Structured CPDs8分鐘
BNs for Genetic Inheritance PA Quiz22分鐘
3

3

完成時間為 17 小時

Markov Networks (Undirected Models)

完成時間為 17 小時
7 個視頻 (總計 106 分鐘)
7 個視頻
General Gibbs Distribution15分鐘
Conditional Random Fields22分鐘
Independencies in Markov Networks4分鐘
I-maps and perfect maps20分鐘
Log-Linear Models22分鐘
Shared Features in Log-Linear Models8分鐘
2 個練習
Markov Networks8分鐘
Independencies Revisited6分鐘
4

4

完成時間為 21 小時

Decision Making

完成時間為 21 小時
3 個視頻 (總計 61 分鐘)
3 個視頻
Utility Functions18分鐘
Value of Perfect Information17分鐘
2 個練習
Decision Theory8分鐘
Decision Making PA Quiz18分鐘

關於 概率图模型 專項課程

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....
概率图模型

常見問題

  • 注册以便获得证书后,您将有权访问所有视频、测验和编程作业(如果适用)。只有在您的班次开课之后,才可以提交和审阅同学互评作业。如果您选择在不购买的情况下浏览课程,可能无法访问某些作业。

  • 您注册课程后,将有权访问专项课程中的所有课程,并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中,您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容,可以免费旁听课程。

  • 如果订阅,您可以获得 7 天免费试听,在此期间,您可以取消课程,无需支付任何罚金。在此之后,我们不会退款,但您可以随时取消订阅。请阅读我们完整的退款政策

  • 是的,Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请,申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤,包括毕业项目。了解更多

  • Apply the basic process of representing a scenario as a Bayesian network or a Markov network

    Analyze the independence properties implied by a PGM, and determine whether they are a good match for your distribution

    Decide which family of PGMs is more appropriate for your task

    Utilize extra structure in the local distribution for a Bayesian network to allow for a more compact representation, including tree-structured CPDs, logistic CPDs, and linear Gaussian CPDs

    Represent a Markov network in terms of features, via a log-linear model

    Encode temporal models as a Hidden Markov Model (HMM) or as a Dynamic Bayesian Network (DBN)

    Encode domains with repeating structure via a plate model

    Represent a decision making problem as an influence diagram, and be able to use that model to compute optimal decision strategies and information gathering strategies

    Honors track learners will be able to apply these ideas for complex, real-world problems

  • 此课程不提供大学学分,但部分大学可能会选择接受课程证书作为学分。查看您的合作院校,了解详情。Coursera 上的在线学位Mastertrack™ 证书提供获得大学学分的机会。

還有其他問題嗎?請訪問 學生幫助中心