Machine learning is the study that allows computers to adaptively improve their performance with experience accumulated from the data observed. Our two sister courses teach the most fundamental algorithmic, theoretical and practical tools that any user of machine learning needs to know. This second course of the two would focus more on algorithmic tools, and the other course would focus more on mathematical tools. [機器學習旨在讓電腦能由資料中累積的經驗來自我進步。我們的兩項姊妹課程將介紹各領域中的機器學習使用者都應該知道的基礎演算法、理論及實務工具。本課程將較為著重方法類的工具，而另一課程將較為著重數學類的工具。]
機器學習基石下 (Machine Learning Foundations)---Algorithmic Foundations
Universidade Nacional de TaiwanInformações sobre o curso
9,567 visualizações recentes
Resultados de carreira do aprendiz
12%
comecei uma nova carreira após concluir estes cursos
33%
consegui um benefício significativo de carreira com este curso
43%
recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 10 horas para completar
Chinês (tradicional)
Legendas: Chinês (tradicional)
Resultados de carreira do aprendiz
12%
comecei uma nova carreira após concluir estes cursos
33%
consegui um benefício significativo de carreira com este curso
43%
recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 10 horas para completar
Chinês (tradicional)
Legendas: Chinês (tradicional)
oferecido por
Universidade Nacional de Taiwan
We firmly believe that open access to learning is a powerful socioeconomic equalizer. NTU is especially delighted to join other world-class universities on Coursera and to offer quality university courses to the Chinese-speaking population. We hope to transform the rich rewards of learning from a limited commodity to an experience available to all. More courses information, the official Facebook Page: https://www.facebook.com/ntumooc2017/
Programa - O que você aprenderá com este curso
2 horas para concluir
第九講: Linear Regression
weight vector for linear hypotheses and squared error instantly calculated by analytic solution
2 horas para concluir
4 vídeos (Total 62 mín.), 4 leituras
4 videos
Linear Regression Algorithm20min
Generalization Issue20min
Linear Regression for Binary Classification11min
4 leituras
NTU MOOC 課程問題詢問與回報機制1min
課程大綱10min
課程形式及評分標準10min
延伸閱讀10min
1 hora para concluir
第十講: Logistic Regression
gradient descent on cross-entropy error
1 hora para concluir
4 vídeos (Total 65 mín.)
4 videos
Logistic Regression Error15min
Gradient of Logistic Regression Error15min
Gradient Descent19min
1 hora para concluir
第十一講: Linear Models for Classification
binary classification via (logistic) regression; multiclass classification via OVA/OVO decomposition
1 hora para concluir
4 vídeos (Total 59 mín.)
4 videos
Stochastic Gradient Descent11min
Multiclass via Logistic Regression14min
Multiclass via Binary Classification11min
2 horas para concluir
第十二講: Nonlinear Transformation
nonlinear model via nonlinear feature transform+linear model with price of model complexity
2 horas para concluir
4 vídeos (Total 59 mín.)
4 videos
Quadratic Hypothesis23min
Nonlinear Transform9min
Price of Nonlinear Transform15min
Structured Hypothesis Sets9min
1 exercício prático
作業三40min
Avaliações
Principais avaliações do 機器學習基石下 (MACHINE LEARNING FOUNDATIONS)---ALGORITHMIC FOUNDATIONS
por HL4 de Dez de 2017
What an amazing course! I hope professor can give new courses in the future and cover more practical things with so hard theoretical things.
por JJ2 de Out de 2018
很好的课程，更加注重算法的理论推导，当然也不乏运用的技巧。之前看过吴恩达老师的机器学习课程，感觉林老师这门课更加的深入，吴恩达老师的课省去了公式的推导，更偏向工程的实践，两门课可以算是相辅相成的。
por XL2 de Mai de 2020
Great course on soliciting basics of ML! Looking forward to next one.
por RR14 de Abr de 2018
A perfect course in spite of a little in-digestibility .
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
- o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
- Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao adquirir o Certificado?
Quando você adquire o Certificado, ganha acesso a todo o material do curso, incluindo avaliações com nota atribuída. Após concluir o curso, seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Qual é a política de reembolso?
Você poderá pedir reembolso total até duas semanas após a data do pagamento, ou (para cursos recém-iniciados) até duas semanas após o início da primeira sessão do curso, o que ocorrer por último. Você não poderá receber reembolso após obter o Certificado de Curso, mesmo que tenha completado o curso dentro do período de duas semanas. Veja nossa política para o reembolso total.
Existe algum auxílio financeiro disponível?
Sim, a Coursera oferece auxílio financeiro aos alunos que não podem pagar a taxa. Faça a solicitação clicando no link Auxílio financeiro, abaixo do botão "Inscreva-se" à esquerda. Você será solicitado a preencher um formulário e será notificado se for aprovado. Saiba mais.
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
