The course "Computational and Graphical Models in Probability" equips learners with essential skills to analyze complex systems through simulation techniques and network analysis. By exploring advanced concepts such as Exponential Random Graph Models and Probabilistic Graphical Models, students will learn to model and interpret intricate social structures and dependencies within data.
Computational and Graphical Models in Probability
La Fête du Travail commence avec plus de 70 $ d'économies sur Coursera Plus. Bénéficiez de 40 % de réduction pendant 3 mois.
Computational and Graphical Models in Probability
Ce cours fait partie de Spécialisation "Statistical Methods for Computer Science"
Instructeurs : Ian McCulloh
Inclus avec En savoir plus
Demander à Coursera
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire
Expérience recommandée
2 semaines à compléter
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Ce que vous apprendrez
Master techniques for simulating random variables, including the Inverse Transformation and Rejection Methods using R programming.
Analyze complex networks using Exponential Random Graph Models to model and interpret social structures and their dependencies.
Understand and apply probabilistic graphical models, including Bayesian networks, to reason about uncertainty and infer relationships in data.
Compétences que vous acquerrez
- Catégorie : Statistical Programming
- Catégorie : Social Network Analysis
- Catégorie : Machine Learning
- Catégorie : Statistical Analysis
- Catégorie : Statistical Modeling
- Catégorie : Data Visualization
- Catégorie : Applied Machine Learning
- Catégorie : Bayesian Network
- Catégorie : Statistical Methods
- Catégorie : Network Analysis
- Catégorie : Sampling (Statistics)
- Catégorie : Network Model
- Catégorie : Probability Distribution
- Catégorie : Simulations
- Catégorie : Probability & Statistics
- Catégorie : Statistical Hypothesis Testing
Outils que vous découvrirez
- Catégorie : R (Software)
- Catégorie : R Programming
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
8 devoirs
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
Ce cours fait partie de la Spécialisation "Statistical Methods for Computer Science"
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
Il y a 4 modules dans ce cours
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs
Offert par
En savoir plus sur Probability and Statistics
Johns Hopkins University
Johns Hopkins University
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.’
Foire Aux Questions
Plus de questions
Aide financière disponible,