Stanford University Educación gratuita en línea

Modelos Gráficos Probabilísticos 1: Representación

Descripción

Los modelos gráficos probabilísticos (PGM) son un marco rico para codificar distribuciones de probabilidad sobre dominios complejos: distribuciones conjuntas (multivariadas) sobre grandes cantidades de variables aleatorias que interactúan entre sí. Estas representaciones se encuentran en la intersección de las estadísticas y la informática, y se basan en conceptos de la teoría de la probabilidad, los algoritmos de gráficos, el aprendizaje automático y más. Son la base de los métodos más avanzados en una amplia variedad de aplicaciones, como diagnóstico médico, comprensión de imágenes, reconocimiento de voz, procesamiento del lenguaje natural y muchos, muchos más. También son una herramienta fundamental para formular muchos problemas de aprendizaje automático.

Este curso es el primero de una secuencia de tres. Describe las dos representaciones básicas de PGM: Bayesian Networks, que se basan en un gráfico dirigido; y redes de Markov, que usan un gráfico no dirigido. El curso discute tanto las propiedades teóricas de estas representaciones como su uso en la práctica. La pista de honores (altamente recomendada) contiene varias tareas prácticas sobre cómo representar algunos problemas del mundo real. El curso también presenta algunas extensiones importantes más allá de la representación básica de PGM, que permiten codificar de forma compacta modelos más complejos.

Precio: ¡Inscríbase gratis!

Idioma: Inglés

Subtítulos: Inglés

Modelos Gráficos Probabilísticos 1: Representación - Universidad Stanford