Coursera 《Probabilistic Graphical Models 3: Learning》

上班两个多月了，初步适应了工作环境，希望接下来找到方法提高闲暇时间的利用效率，并继续学新东西，让脑子不要生锈。
这是第二周的、也是第一个编程作业。
希望能在course schedule之内把课完成

编程作业四连蒙带猜才爬行至最后
有很多地方要前后参照，譬如说M-step中计算M[S', s]的方法写在了E-step那一段中
还有些地方特别细小，譬如在HMM中，只有第一个状态要乘以先验概率（P.c）

作业还有些许地方讲得不清楚，特别是EM_HMM及之后的内容，翻了好久论坛才知道“计算log likelihood是把每个姿势的隐含状态，应该是对clique tree中的factor进行边缘化，得到这个姿势的log likelihood，再把它们通通加起来”，但是具体的计算还是绕了几个弯才“凑”出答案  :((((
譬如说，在校正clique tree的时候，得手工加了一个1e-20的“smoothing项”，不然会数值爆炸，不清楚是不是因为是Octave与Matlab的差异的原因；
又譬如说，在计算最后的log likelihood和计算sufficient statistics的时候喂给Clique Tree程序的Emission Probability一个是标准化过的，一个是没标准化过的，因为只有标准化过的才能得出ClassProb，只有没标准化过后的才能得到log likelihood，这和讨论区中的人说的好像也不一样
总之，这个课我是能力不够做不到一遍过又融会贯通能达到学以致用的程度的了…    ：（

貌似接下来就再没有编程作业了…就只有final exam了…诶嘿嘿…

wangs7745 发表于 2018-4-10 16:03
我们学校没有设Probabilistic Graphical Models相关的课。楼主觉得Coursera这课质量如何？对你技能和知识提 ...

这个课我上起来很吃力，只是勉强蒙混过关的水平，而且因为跨度太长导致现在已经忘掉了很多以前的东西了… 意义在于熟悉了一些matlab/octave、以及知道了一些名词，准备好去下一阶段了（比如去再找实际操作性比较强的教程之类？）

没上过其它的machine learning class，所以也不好比较诶，但是感觉应该是要有project才能学到最多的吧

冒个泡表示还活着，还没放弃…

话说论坛上线了给每个人投票“顶”或“踩”后，令人颇有些紧张，生怕被踩得难堪。因为貌似可以反复投，所以很快就能让蓝条比红条长。

概率图相比Andre Ng是比较难的是吗

我们学校没有设Probabilistic Graphical Models相关的课。楼主觉得Coursera这课质量如何？对你技能和知识提升如何, 相比大部分学校都有的machine learning class？

小鲤yyds 发表于 2018-4-9 22:04
概率图相比Andre Ng是比较难的是吗

没有上过Andrew Ng的课，所以不太清楚诶

wangs7745 发表于 2018-4-11 06:03
我们学校没有设Probabilistic Graphical Models相关的课。楼主觉得Coursera这课质量如何？对你技能和知识提 ...

ml应该是这门课的先修课吧

怎么收费的？

这是Week 3的编程作业
最后十分可能是因为Octave与Matlab之间的微妙差别导致结果始终不能完全一致而无法得到，不高兴再折腾了…

flattop2016 发表于 2018-4-10 18:59
怎么收费的？

$49一个月，进度自己掌握，什么时候上完退课什么时候停止收费…