Stanford University
Probabilistische grafische Modelle 3: Lernen
Stanford University

Probabilistische grafische Modelle 3: Lernen

Daphne Koller

Dozent: Daphne Koller

21.760 bereits angemeldet

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

(299 Bewertungen)

Stufe Fortgeschritten
Für Personen mit Branchenerfahrung konzipiert
Es dauert 66 Stunden
3 Wochen bei 22 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

(299 Bewertungen)

Stufe Fortgeschritten
Für Personen mit Branchenerfahrung konzipiert
Es dauert 66 Stunden
3 Wochen bei 22 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

  • Kategorie: Algorithmen
  • Kategorie: Erwartungs-Maximierung (EM) Algorithmus
  • Kategorie: Grafisches Modell
  • Kategorie: Markov-Zufallsfeld

Wichtige Details

Erwerben Sie ein Karrierezertifikat.

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 8 Module

Dieses Modul stellt einige der Lernaufgaben für probabilistische grafische Modelle vor, die wir in diesem Kurs angehen werden.

Das ist alles enthalten

1 Video

Dieses Modul enthält einige grundlegende Konzepte aus dem allgemeinen Rahmen des maschinellen Lernens, die aus dem auf Coursera angebotenen Stanford-Kurs von Professor Andrew Ng stammen. Viele dieser Konzepte sind für die Probleme, die wir in diesem Kurs angehen werden, von großer Bedeutung.

Das ist alles enthalten

6 Videos

In diesem Modul wird das einfachste und grundlegendste Lernproblem bei probabilistischen grafischen Modellen behandelt: die Parameterschätzung in einem Bayes'schen Netzwerk. Wir diskutieren die Maximum-Likelihood-Schätzung und die damit verbundenen Probleme. Anschließend erörtern wir die Bayes'sche Schätzung und wie sie diese Probleme verbessern kann.

Das ist alles enthalten

5 Videos2 Aufgaben

In diesem Modul diskutieren wir das Problem der Parameterschätzung für Markov-Netzwerke - ungerichtete grafische Modelle. Diese Aufgabe ist sowohl konzeptionell als auch rechnerisch wesentlich komplexer als die Parameterschätzung für Bayes'sche Netzwerke, da die globale Partitionsfunktion ein Problem darstellt.

Das ist alles enthalten

3 Videos1 Aufgabe1 Programmieraufgabe

Dieses Modul befasst sich mit dem Problem des Lernens der Struktur von Bayes'schen Netzwerken. Zunächst wird erörtert, wie dieses Problem als Optimierungsproblem über einen Raum von Graphenstrukturen formuliert werden kann und welche Möglichkeiten es gibt, verschiedene Strukturen zu bewerten, um einen Ausgleich zwischen der Anpassung an die Daten und der Modellkomplexität zu schaffen. Dann sprechen wir darüber, wie das Optimierungsproblem gelöst werden kann: exakt in einigen Fällen, annähernd in den meisten anderen.

Das ist alles enthalten

7 Videos2 Aufgaben1 Programmieraufgabe

In diesem Modul diskutieren wir das Problem des Lernens von Modellen in Fällen, in denen einige der Variablen in einigen der Datenfälle nicht vollständig beobachtet werden. Wir erörtern, warum diese Situation wesentlich komplexer ist als der vollständig beobachtbare Fall. Anschließend stellen wir den Expectation Maximization (EM) Algorithmus vor, der bei einer Vielzahl von Problemen eingesetzt wird.

Das ist alles enthalten

5 Videos2 Aufgaben1 Programmieraufgabe

Dieses Modul fasst einige der Probleme zusammen, die beim Lernen probabilistischer grafischer Modelle aus Daten auftreten. Es enthält auch die Kursabschlussprüfung.

Das ist alles enthalten

1 Video1 Aufgabe

Dieses Modul enthält einen Überblick über die PGM-Methoden als Ganzes und erörtert einige der Kompromisse, die bei der Verwendung dieses Rahmens in der Praxis auftreten können. Es bezieht sich auf Themen aus allen drei PGM-Kursen.

Das ist alles enthalten

1 Video

Dozent

Lehrkraftbewertungen
4.5 (9 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 299

4.6

299 Bewertungen

  • 5 stars

    71,23 %

  • 4 stars

    19,39 %

  • 3 stars

    5,35 %

  • 2 stars

    3,01 %

  • 1 star

    1 %

JR
5

Geprüft am 28. Jan. 2018

JR
4

Geprüft am 30. Mai 2020

SP
5

Geprüft am 23. Juni 2017

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