機率圖形模型專業課程

機率圖形模型. 掌握在複雜領域進行推理與學習的新方法

關於此專業課程

機率圖形模型（PGM）是一個豐富的框架，用於編碼複雜領域的機率分佈：大量隨機變數交互作用的聯合（多變量）分佈。這些表示法處於統計學和電腦科學的交叉點，依賴機率論、圖形演算法、機器學習等概念。它們是醫學診斷、影像理解、語音辨識、自然語言處理等各種應用中最先進方法的基礎。它們也是提出許多機器學習問題的基礎工具。

到官方網站了解本課程與上課

應用的學習專案

透過各種講座、測驗、程式設計作業和考試，本專業的學員將練習和掌握機率圖形模型的基礎知識。本專業有三門為期五週的課程，共十五週。

你將獲得的技能：

抽樣(統計)	機率分布	統計推理
統計建模	馬可夫模型	演算法
貝葉斯網路	機器學習演算法	機率與統計
決策支持系統

字幕

簡中、英文（22 種語言供選擇)

製作方

Stanford University 史丹佛大學

利蘭-史丹佛大學（The Leland Stanford Junior University），通常簡稱為史丹佛大學或史丹佛，是一所美國私立研究型大學，位於加州史丹佛，校園佔地 8180 肯亞（3310 歐元），靠近美國加州帕洛阿爾托。

第 1 門課程機率圖形模型 1：表示法

你將學到的內容有

機率圖形模型（PGM）是一個豐富的框架，用於編碼複雜領域的機率分佈：大量隨機變數相互影響（多變量）分佈。這些表示法是波動統計和電腦科學的交叉點，依賴機率、圖形、機器學習等概念。它們也提出了許多機器學習基礎工具。

本系列課程是三門中學的第一門課程，主要內容是介紹PGM（依賴圖森）和馬爾羅夫（使用無向圖）等理論，並在此基礎上應用了現代計算理論。本系列課程包含一些關於PGM的詳細信息，這些詳細資訊對於進一步研究PGM的開發具有重要意義。

你將獲得的技能：

貝葉斯網路

圖形模型

馬可夫隨機場

第 2 門課程機率圖形模型 2：推理

你將學到的內容有

機率圖模型（PGM）是一個豐富的框架，用於編碼複雜域中的機率分佈：大量隨機變數相互作用的（多變量）分佈。這些表示法是波動統計和電腦科學的交叉點，依賴機率、圖形、機器學習等概念。它們也提出了許多機器學習基礎工具。

本課程是三門課程中的第一門課程。本課程是三門課程中的第一門課程，本課程討論頻率問題：PGM通常是一個很高的分佈，但設計的目的是能夠更好地理解和掌握演算法，並提出最佳的應用方案。課程針對的是初級階段，介紹了演算法和近似演算法，並提出了最佳的應用方案。課程內容包括兩個方面，第一方面是演算法和近似演算法的基礎知識，第二方面是演算法的基礎知識，第三方面是演算法的實踐和應用。