Stanford University
Probabilistische grafische Modelle 2: Inferenz
Stanford University

Probabilistische grafische Modelle 2: Inferenz

Daphne Koller

Dozent: Daphne Koller

25.910 bereits angemeldet

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.6

(484 Bewertungen)

Stufe Fortgeschritten
Für Personen mit Branchenerfahrung konzipiert
Es dauert 38 Stunden
3 Wochen bei 12 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.6

(484 Bewertungen)

Stufe Fortgeschritten
Für Personen mit Branchenerfahrung konzipiert
Es dauert 38 Stunden
3 Wochen bei 12 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

  • Kategorie: Inferenz
  • Kategorie: Gibbssche Stichprobe
  • Kategorie: Markov-Ketten-Monte-Carlo (MCMC)
  • Kategorie: Propagierung von Überzeugungen

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

8 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Probabilistische grafische Modelle
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 7 Module

Dieses Modul bietet einen Überblick über die wichtigsten Arten von Inferenzaufgaben, die typischerweise bei grafischen Modellen auftreten: Abfragen bedingter Wahrscheinlichkeiten und das Finden der wahrscheinlichsten Zuordnung (MAP-Inferenz).

Das ist alles enthalten

2 Videos

In diesem Modul wird der einfachste Algorithmus für die exakte Inferenz in grafischen Modellen vorgestellt: die Variableneliminierung. Wir beschreiben den Algorithmus und analysieren seine Komplexität im Hinblick auf die Eigenschaften der Graphenstruktur.

Das ist alles enthalten

4 Videos1 Aufgabe

Dieses Modul beschreibt eine alternative Sichtweise der exakten Inferenz in grafischen Modellen: die der Nachrichtenübermittlung zwischen Clustern, von denen jedes einen Faktor über eine Teilmenge von Variablen kodiert. Dieser Rahmen bietet eine Grundlage für eine Vielzahl von exakten und approximativen Inferenzalgorithmen. Wir konzentrieren uns hier auf den grundlegenden Rahmen und auf seine Instanziierung im exakten Fall der Cliquenbaumpropagation. Eine optionale Lektion beschreibt den LBP-Algorithmus (loopy belief propagation) und seine Eigenschaften.

Das ist alles enthalten

9 Videos2 Aufgaben1 Programmieraufgabe

Dieses Modul beschreibt Algorithmen zur Ermittlung der wahrscheinlichsten Zuordnung für eine als PGM kodierte Verteilung (eine Aufgabe, die als MAP-Inferenz bekannt ist). Wir beschreiben Algorithmen zur Nachrichtenübermittlung, die den Algorithmen zur Berechnung bedingter Wahrscheinlichkeiten sehr ähnlich sind, mit der Ausnahme, dass wir uns auch überlegen müssen, wie wir die Ergebnisse dekodieren, um eine einzelne Zuordnung zu konstruieren. In einem optionalen Modul beschreiben wir einige andere Algorithmen, die ganz andere Techniken verwenden können, indem sie die kombinatorische Optimierung der MAP-Aufgabe ausnutzen.

Das ist alles enthalten

5 Videos1 Aufgabe

In diesem Modul besprechen wir eine Klasse von Algorithmen, die Zufallsstichproben verwenden, um ungefähre Antworten auf bedingte Wahrscheinlichkeitsabfragen zu liefern. Am häufigsten wird die Klasse der Markov-Chain-Monte-Carlo-Algorithmen (MCMC) verwendet, zu denen der einfache Gibbs-Sampling-Algorithmus sowie eine Familie von Methoden gehören, die als Metropolis-Hastings bekannt sind.

Das ist alles enthalten

5 Videos2 Aufgaben1 Programmieraufgabe

In dieser kurzen Lektion erörtern wir die Komplexität der Anwendung einiger der exakten oder approximativen Inferenzalgorithmen, die wir in diesem Kurs gelernt haben, auf dynamische Bayes'sche Netzwerke.

Das ist alles enthalten

1 Video1 Aufgabe

Dieses Modul fasst einige der Themen zusammen, die wir in diesem Kurs behandelt haben, und diskutiert Kompromisse zwischen verschiedenen Algorithmen. Es enthält auch die Abschlussprüfung des Kurses.

Das ist alles enthalten

1 Video1 Aufgabe

Dozent

Lehrkraftbewertungen
4.7 (18 Bewertungen)
Daphne Koller
Stanford University
3 Kurse95.314 Lernende

von

Stanford University

Empfohlen, wenn Sie sich für Maschinelles Lernen interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

Zeigt 3 von 484

4.6

484 Bewertungen

  • 5 stars

    71,07 %

  • 4 stars

    21,28 %

  • 3 stars

    5,16 %

  • 2 stars

    1,23 %

  • 1 star

    1,23 %

YP
5

Geprüft am 28. Mai 2017

LC
4

Geprüft am 31. Juli 2018

MP
5

Geprüft am 19. Jan. 2021

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen