このコースについて
17,062 最近の表示

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

上級レベル

約23時間で修了

英語

字幕:英語

習得するスキル

InferenceGibbs SamplingMarkov Chain Monte Carlo (MCMC)Belief Propagation

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

上級レベル

約23時間で修了

英語

字幕:英語

シラバス - 本コースの学習内容

1
25分で修了

Inference Overview

2件のビデオ (合計25分)
2件のビデオ
Overview: MAP Inference9 分
1時間で修了

Variable Elimination

4件のビデオ (合計56分), 1 quiz
4件のビデオ
Complexity of Variable Elimination12 分
Graph-Based Perspective on Variable Elimination15 分
Finding Elimination Orderings11 分
1の練習問題
Variable Elimination18 分
2
18時間で修了

Belief Propagation Algorithms

9件のビデオ (合計150分), 3 quizzes
9件のビデオ
Properties of Cluster Graphs15 分
Properties of Belief Propagation9 分
Clique Tree Algorithm - Correctness18 分
Clique Tree Algorithm - Computation16 分
Clique Trees and Independence15 分
Clique Trees and VE16 分
BP In Practice15 分
Loopy BP and Message Decoding21 分
2の練習問題
Message Passing in Cluster Graphs10 分
Clique Tree Algorithm10 分
3
1時間で修了

MAP Algorithms

5件のビデオ (合計74分), 1 quiz
5件のビデオ
Finding a MAP Assignment3 分
Tractable MAP Problems15 分
Dual Decomposition - Intuition17 分
Dual Decomposition - Algorithm16 分
1の練習問題
MAP Message Passing4 分
4
14時間で修了

Sampling Methods

5件のビデオ (合計100分), 3 quizzes
5件のビデオ
Markov Chain Monte Carlo14 分
Using a Markov Chain15 分
Gibbs Sampling19 分
Metropolis Hastings Algorithm27 分
2の練習問題
Sampling Methods14 分
Sampling Methods PA Quiz8 分
26分で修了

Inference in Temporal Models

1件のビデオ (合計20分), 1 quiz
1件のビデオ
1の練習問題
Inference in Temporal Models6 分
4.6
56件のレビューChevron Right

50%

コース終了後に新しいキャリアをスタートした

20%

コースが具体的なキャリアアップにつながった

20%

昇給や昇進につながった

Probabilistic Graphical Models 2: Inference からの人気レビュー

by ATAug 23rd 2019

Just like the first course of the specialization, this course is really good. It is well organized and taught in the best way which really helped me to implement similar ideas for my projects.

by ALAug 20th 2019

I have clearly learnt a lot during this course. Even though some things should be updated and maybe completed, I would definitely recommend it to anyone whose interest lies in PGMs.

講師

Avatar

Daphne Koller

Professor
School of Engineering

スタンフォード大学(Stanford University)について

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....

Probabilistic Graphical Models 専門講座について

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....
Probabilistic Graphical Models

よくある質問

  • 修了証に登録すると、すべてのビデオ、テスト、およびプログラミング課題(該当する場合)にアクセスできます。ピアレビュー課題は、セッションが開始してからのみ、提出およびレビューできます。購入せずにコースを検討することを選択する場合、特定の課題にアクセスすることはできません。

  • 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。

  • Execute the basic steps of a variable elimination or message passing algorithm

    Understand how properties of the graph structure influence the complexity of exact inference, and thereby estimate whether exact inference is likely to be feasible

    Go through the basic steps of an MCMC algorithm, both Gibbs sampling and Metropolis Hastings

    Understand how properties of the PGM influence the efficacy of sampling methods, and thereby estimate whether MCMC algorithms are likely to be effective

    Design Metropolis Hastings proposal distributions that are more likely to give good results

    Compute a MAP assignment by exact inference

    Honors track learners will be able to implement message passing algorithms and MCMC algorithms, and apply them to a real world problem

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。