Stanford University
Modèles graphiques probabilistes 3 : Apprentissage
Stanford University

Modèles graphiques probabilistes 3 : Apprentissage

Daphne Koller

Instructeur : Daphne Koller

21 765 déjà inscrits

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.6

(299 avis)

niveau Avancées
Conçu pour les professionnels de ce secteur
66 heures pour terminer
3 semaines à 22 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.6

(299 avis)

niveau Avancées
Conçu pour les professionnels de ce secteur
66 heures pour terminer
3 semaines à 22 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Compétences que vous acquerrez

  • Catégorie : Algorithmes
  • Catégorie : Algorithme de maximisation des attentes (EM)
  • Catégorie : Modèle graphique
  • Catégorie : Champ aléatoire de Markov

Détails à connaître

Obtenez un certificat professionnel

Ajouter à votre profil LinkedIn

Évaluations

8 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Modèles graphiques probabilistes
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable
Emplacement réservé
Emplacement réservé

Obtenez un certificat professionnel

Ajoutez cette qualification à votre profil LinkedIn ou à votre CV

Partagez-le sur les réseaux sociaux et dans votre évaluation de performance

Emplacement réservé

Il y a 8 modules dans ce cours

Ce module présente certaines des tâches d'apprentissage pour les modèles graphiques probabilistes que nous aborderons dans ce cours.

Inclus

1 vidéo

Ce module contient quelques concepts de base du cadre général de l'apprentissage automatique, tirés du cours du professeur Andrew Ng à Stanford proposé sur Coursera. Beaucoup de ces concepts sont très pertinents pour les problèmes que nous aborderons dans ce cours.

Inclus

6 vidéos

Ce module aborde le plus simple et le plus élémentaire des problèmes d'apprentissage dans les modèles graphiques probabilistes : l'estimation des paramètres dans un réseau bayésien. Nous discutons de l'estimation du maximum de vraisemblance et des problèmes qu'elle pose. Nous discutons ensuite de l'estimation bayésienne et de la façon dont elle peut améliorer ces problèmes.

Inclus

5 vidéos2 devoirs

Dans ce module, nous abordons le problème de l'estimation des paramètres pour les réseaux de Markov - modèles graphiques non dirigés. Cette tâche est considérablement plus complexe, tant sur le plan conceptuel que sur le plan informatique, que l'estimation des paramètres pour les réseaux bayésiens, en raison des problèmes posés par la fonction de partition globale.

Inclus

3 vidéos1 devoir1 devoir de programmation

Ce module aborde le problème de l'apprentissage de la structure des réseaux bayésiens. Nous verrons d'abord comment ce problème peut être formulé comme un problème d'optimisation sur un espace de structures de graphes, et quelles sont les bonnes façons d'évaluer les différentes structures afin de trouver un compromis entre l'adéquation aux données et la complexité du modèle. Nous expliquons ensuite comment le problème d'optimisation peut être résolu : exactement dans quelques cas, approximativement dans la plupart des autres.

Inclus

7 vidéos2 devoirs1 devoir de programmation

Dans ce module, nous abordons le problème de l'apprentissage de modèles dans les cas où certaines variables de certains cas de données ne sont pas entièrement observées. Nous expliquons pourquoi cette situation est considérablement plus complexe que le cas où les données sont entièrement observables. Nous présentons ensuite l'algorithme de maximisation des attentes (EM), qui est utilisé dans une grande variété de problèmes.

Inclus

5 vidéos2 devoirs1 devoir de programmation

Ce module résume certaines des questions qui se posent lors de l'apprentissage de modèles graphiques probabilistes à partir de données. Il contient également la finale du cours.

Inclus

1 vidéo1 devoir

Ce module présente une vue d'ensemble des méthodes de la MGP, en discutant de certains des compromis réels lors de l'utilisation de ce cadre dans la pratique. Il fait référence à des sujets issus des trois cours sur la MGP.

Inclus

1 vidéo

Instructeur

Évaluations de l’enseignant
4.5 (9 évaluations)
Daphne Koller
Stanford University
3 Cours95 332 apprenants

Offert par

Stanford University

Recommandé si vous êtes intéressé(e) par Apprentissage automatique

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

Affichage de 3 sur 299

4.6

299 avis

  • 5 stars

    71,23 %

  • 4 stars

    19,39 %

  • 3 stars

    5,35 %

  • 2 stars

    3,01 %

  • 1 star

    1 %

JR
5

Révisé le 28 janv. 2018

JR
4

Révisé le 30 mai 2020

SP
5

Révisé le 23 juin 2017

Emplacement réservé

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions