Über dieses Spezialisierung

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.
Karriereergebnisse der Lernenden
43%
Ich nahm nach Abschluss dieses Spezialisierung einen neuen Beruf auf.
18%
Ich erhielt eine Gehaltserhöhung oder Beförderung.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
Kurse, die komplett online stattfinden
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexibler Zeitplan
Festlegen und Einhalten flexibler Termine.
Stufe „Fortgeschritten“
Etwa 4 Monate bis zum Abschluss
Empfohlenes Lerntempo: 11 Stunden/Woche
Englisch
Karriereergebnisse der Lernenden
43%
Ich nahm nach Abschluss dieses Spezialisierung einen neuen Beruf auf.
18%
Ich erhielt eine Gehaltserhöhung oder Beförderung.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
Kurse, die komplett online stattfinden
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexibler Zeitplan
Festlegen und Einhalten flexibler Termine.
Stufe „Fortgeschritten“
Etwa 4 Monate bis zum Abschluss
Empfohlenes Lerntempo: 11 Stunden/Woche
Englisch

Es gibt 3 Kurse in dieser Spezialisierung

Kurs1

Kurs 1

Probabilistic Graphical Models 1: Representation

4.7
Sterne
1,320 Bewertungen
294 Bewertungen
Kurs2

Kurs 2

Probabilistic Graphical Models 2: Inference

4.6
Sterne
461 Bewertungen
73 Bewertungen
Kurs3

Kurs 3

Probabilistic Graphical Models 3: Learning

4.6
Sterne
282 Bewertungen
46 Bewertungen

von

Placeholder

Stanford University

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..