Probabilistic Graphical Models 1: Representation

• いつ講座や課題にアクセスできるようになりますか？

  講義と課題へのアクセスは、登録のタイプによって異なります。聴講モードでコースを受講すると、ほとんどのコース教材を無料で見ることができます。採点された課題にアクセスして修了証を取得するには、聴講中または聴講後に、修了証エクスペリエンスを購入する必要があります。聴講オプションが表示されない場合：

  • コースは聴講オプションを提供していない可能性があります。代わりに無料トライアルをお試しいただくか、学資援助を申請することができます。
  • コースは、聴講オプションを提供せずに「修了証なしフルコース」オプションを提供する場合があります。このオプションでは、すべてのコース教材が表示され、必須の評価を提出して、最終成績を取得することができます。この場合、修了証エクスペリエンスは購入できません。

• この専門講座をサブスクライブすると何を行うことができるようになりますか？

  コースに登録する際、専門講座のすべてのコースにアクセスできます。コースの完了時には修了証を取得できます。電子修了証が成果のページに追加され、そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。

• Is financial aid available?

  はい。受講料の支払いが難しい受講生に、Coursera（コーセラ）は学資援助を提供しています。左側の［登録］ボタンの下にある［学資援助］のリンクをクリックして申請してください。申請書の入力を促すメッセージが表示され、承認されると通知が届きます。キャップストーンプロジェクトを含む専門講座の各コースでこのステップを完了する必要があります。詳細。

• Learning Outcomes: By the end of this course, you will be able to

  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

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。