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
oferecido por
機器學習基石下 (Machine Learning Foundations)---Algorithmic Foundations
Universidade Nacional de Taiwan
Informações sobre o curso
17,953 visualizações recentes
Learner Career Outcomes
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
Learner Career Outcomes
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
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 13 horas para completar
Chinês (tradicional)
Legendas: Chinês (tradicional)
Programa - O que você aprenderá com este curso
Semana
12 horas para concluir
第九講: Linear Regression
weight vector for linear hypotheses and squared error instantly calculated by analytic solution
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
Semana
21 hora para concluir
第十講: Logistic Regression
gradient descent on cross-entropy error to get good logistic hypothesis
4 vídeos (Total 65 mín.)
4 videos
Logistic Regression Error15min
Gradient of Logistic Regression Error15min
Gradient Descent19min
Semana
31 hora para concluir
第十一講: Linear Models for Classification
binary classification via (logistic) regression; multiclass classification via OVA/OVO decomposition
4 vídeos (Total 59 mín.)
4 videos
Stochastic Gradient Descent11min
Multiclass via Logistic Regression14min
Multiclass via Binary Classification11min
Semana
42 horas para concluir
第十二講: Nonlinear Transformation
nonlinear model via nonlinear feature transform+linear model with price of model complexity
4 vídeos (Total 59 mín.), 1 teste
4 videos
Quadratic Hypothesis23min
Nonlinear Transform9min
Price of Nonlinear Transform15min
Structured Hypothesis Sets9min
1 exercício prático
作業三40min
Principais avaliações do 機器學習基石下 (Machine Learning Foundations)---Algorithmic Foundations
What an amazing course! I hope professor can give new courses in the future and cover more practical things with so hard theoretical things.
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。
Instrutores
林軒田
教授 (Professor)資訊工程學系 (Department of Computer Science and Information Engineering)
Sobre 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/
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.
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?
Existe algum auxílio financeiro disponível?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.