Alguns outros assuntos que vale a pena mencionar. Este curso tem um código de honra. Essa é a Além disso, haverão exercícios de programação semanais e esses E como esse curso junta idéias tanto da teoria da probabilidade quanto da ciência Mas o que você entrega tem que ser seu próprio trabalho. Ademais, nós pedimos que você não Olá a todos e bem vindos à aula de Modelos Gráficos Probabilísticos. Meu nome a aprender essa linguagem de programação caso você ainda não tenha se divertido com ela antes. caracteres escritos a mão e ler o que está escrito lá. E nós teremos um coisas muito avançadas. Estamos falando sobre coisas como independência e a regra com o conjunto de problemas da próxima semana. Nós aconselhamos então que você não mantenha um acúmulo com outros estudantes, fazendo perguntas e obtendo um conhecimento mais profundo do com sucesso. Então nós teremos, por exemplo, um conjunto de problemas sobre como você usa conhecimentos prévios você precisa para esse curso? Bem, será realmente difícil fazer esse conteúdo será transmitido através de um conjunto de vídeos, complementados por quizzes que curso sem algum entendimento da teoria da probabilidade básica. Não precisam ser da computação, é importante que você tenha algum conhecimento prévio de algoritmos e estruturas de Bayes. E só o básico de distribuições discretas. E ainda temos alguns de Stanford. O código de honra diz que você tem permissão de discutir o material. Na de contar a vocês um pouco sobre o formato deste curso. O curso será de dados. Recomendado, mas não estritamente necessário, e nós certamente não requeremos de exercícios ao longo do curso, porque isso acabará voltando de nove grupos de problemas para as nove semanas de conteúdo. Os grupos de problemas deadline de submissão estiver chegando. Nós criamos uma pequena folga no deadline de submissão, então se você não conseguir submeter até o deadline original, diferentes pedaços de conteúdo e exercícios, nós achamos que você aprenderá discussões, que se provou ser um recurso inestimável em outros cursos, para interagir em Matlab ou Octave, embora aqui, também, nós tenhamos alguns módulos introdutórios que te ajudam em Stanford, e é considerado um dos difíceis mesmo em Stanford. Um típico em problemas com os quais você se importa. Esperamos vê-los neste curso. em um dos próximos vídeos, e também ao longo de todo o curso. Neste vídeo, eu gostaria estamos realmente animados por sermos capazes de oferecer essa aula de nível de pós-graduação em Stanford para estes métodos foram aplicados e, com esperança, você vai deixar este curso com estudando no curso. Mas, ao mesmo tempo, para revelar a gama de aplicações estudante de Stanford pode facilmente gastar de dez a quinze horas por semana nesse curso. Então exercícios de programação foram selecionados para reforçar conceitos específicos que estamos exercícios de programação requererão que você tenha alguma experiência com programação, exercícios de programação valerão sete por cento da nota final cada, dando um físicos, com pessoas na mesma região geográfica, ou grupos de estudos online grupo de problemas seja um pouco diferente para que você possa ressubmeter o herdadas. Teremos um que mostra como você pode olhar para um conjunto de interagir com seus colegas, então para este propósito nós temos o fórum de isso te dará um entendimento muito melhor do material e vai isso, e nós te damos a noção à medida que avançamos, é um pouco de experiência, material. Nós também te encorajamos a formar grupos de estudos, que podem ser grupos de estudos mesmo conjuntos de problemas algumas vezes para ter certeza de que você realmente domina o material. modelos gráficos probabilísticos para entender a herança de doenças geneticamente métodos fundamentais na área de modelos gráficos probabilísticos. Você vai módulos introdutórios para refrescar sua memória sobre esses conceitos básicos. Os nada muito sofisticado. E seria útil ter alguma experiência programando nesse curso se você não quiser se encontrar sem tempo quando um norma, também, para nossos estudantes locais em Stanford quando eles estão fazendo algum curso nós sugerimos que você use pelo menos essa quantidade de tempo para seus próprios esforços oferecido ao longo de dez semanas de conteúdo mais um exame final no fim. O onde você discutir o material com os outros. Nós acreditamos que fazer os grupos de problemas e os exercícios de programação independentemente também. Um segundo para as quais o framework de modelos gráficos probabilísticos pode ser aplicado para que futuras gerações de estudantes possam fazer para te morder no final. Finalmente, parte da experiência deste curso é pode até mesmo fazer algumas perguntas esclarecedoras sobre os grupos de problemas ou os exercícios de programação. pois essa não é uma aula de programação. Nós não te ensinamos como programar. probabilísticos? Bem, é um pouco complicado de explicar e nós vamos falar sobre isso publique nem os exercícios de programação e nem as soluções deles em qualquer lugar da web, qualquer um, em qualquer lugar do mundo, de graça. Então, o que são modelos gráficos que permite que você olhe os dados de sáida de um sensor de Kinect, que te dá reforçarão a compreensão. Haverá ainda um grupo de problemas semanais, sendo que são projetados para permitir múltiplas submissões, de forma que cada versão do talvez, em aprendizado de máquina. Talvez um pouco de otimização simples, como o gradient descent, também poder ver e se divertir com uma gama de aplicações do mundo real para as quais tanto vídeo quanto dados de localização, e reconhecer atividades humanas. Esses nove todos eles juntos valerão 25% da nota, com o total tornar o curso consideravelmente mais divertido também. Então, para resumir, através todos estes total de 63%, o que nos deixa doze por cento restantes para o exame final. Que tópico a se manter em mente é o gerenciamento de tempo. Este é um curso de nível de pós-graduação um entendimento de como pegar estas idéias e usá-las em seu próprio trabalho em verdade, você é até mesmo encorajado a discutir o material com seus colegas. Você você tem uma semana como período de redenção. Mas isso então obviamente começa a colidir é Daphne Kohler e eu sou uma professora na Universidade de Stanford. Nós aqui em Stanford