关于此 专项课程

15,280 次近期查看
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.
学生职业成果
43%
完成此 专项课程 后开始了新的职业。
17%
加薪或升职。
可分享的证书
完成后获得证书
100% 在线课程
立即开始,按照自己的计划学习。
灵活的计划
设置并保持灵活的截止日期。
高级
完成时间大约为4 个月
建议 11 小时/周
英语(English)
学生职业成果
43%
完成此 专项课程 后开始了新的职业。
17%
加薪或升职。
可分享的证书
完成后获得证书
100% 在线课程
立即开始,按照自己的计划学习。
灵活的计划
设置并保持灵活的截止日期。
高级
完成时间大约为4 个月
建议 11 小时/周
英语(English)

此专项课程包含 3 门课程

课程1

课程 1

Probabilistic Graphical Models 1: Representation

4.7
1,295 个评分
287 条评论
课程2

课程 2

Probabilistic Graphical Models 2: Inference

4.6
448 个评分
68 条评论
课程3

课程 3

Probabilistic Graphical Models 3: Learning

4.6
277 个评分
46 条评论

提供方

Placeholder

斯坦福大学

常见问题

还有其他问题吗?请访问 学生帮助中心