课程信息

6,858 次近期查看
可灵活调整截止日期
根据您的日程表重置截止日期。
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
第 3 门课程(共 3 门)
高级
完成时间大约为66 小时
英语(English)

您将获得的技能

  • Algorithms
  • Expectation–Maximization (EM) Algorithm
  • Graphical Model
  • Markov Random Field
可灵活调整截止日期
根据您的日程表重置截止日期。
可分享的证书
完成后获得证书
100% 在线
立即开始,按照自己的计划学习。
第 3 门课程(共 3 门)
高级
完成时间大约为66 小时
英语(English)

授课教师

提供方

Placeholder

斯坦福大学

授课大纲 - 您将从这门课程中学到什么

1

1

完成时间为 16 分钟

Learning: Overview

完成时间为 16 分钟
1 个视频 (总计 16 分钟)
完成时间为 1 小时

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

完成时间为 1 小时
6 个视频 (总计 59 分钟)
完成时间为 2 小时

Parameter Estimation in Bayesian Networks

完成时间为 2 小时
5 个视频 (总计 77 分钟)
2

2

完成时间为 21 小时

Learning Undirected Models

完成时间为 21 小时
3 个视频 (总计 52 分钟)
3

3

完成时间为 18 小时

Learning BN Structure

完成时间为 18 小时
7 个视频 (总计 106 分钟)
4

4

完成时间为 22 小时

Learning BNs with Incomplete Data

完成时间为 22 小时
5 个视频 (总计 83 分钟)

审阅

来自PROBABILISTIC GRAPHICAL MODELS 3: LEARNING的热门评论

查看所有评论

关于 概率图模型 专项课程

概率图模型

常见问题

还有其他问题吗?请访问 学生帮助中心