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 first course of the two would focus more on mathematical tools, and the other course would focus more on algorithmic 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。本課程將較為著重數學類的工具，而另一課程將較為著重方法類的工具。]
oferecido por
機器學習基石上 (Machine Learning Foundations)---Mathematical Foundations
Universidade Nacional de TaiwanInformações sobre o curso
33,788 visualizações recentes
Resultados de carreira do aprendiz
29%
comecei uma nova carreira após concluir estes cursos
43%
consegui um benefício significativo de carreira com este curso
36%
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 iniciante
Aprox. 10 horas para completar
Chinês (tradicional)
Legendas: Chinês (tradicional)
Habilidades que você terá
Decision StumpPerceptronMachine LearningVc Dimension
Resultados de carreira do aprendiz
29%
comecei uma nova carreira após concluir estes cursos
43%
consegui um benefício significativo de carreira com este curso
36%
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 iniciante
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
第一講：The Learning Problem
what machine learning is and its connection to applications and other fields
2 horas para concluir
5 vídeos (Total 70 mín.), 5 leituras
5 videos
Course Introduction10min
What is Machine Learning18min
Applications of Machine Learning18min
Components of Machine Learning11min
Machine Learning and Other Fields10min
5 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
homework 010min
1 hora para concluir
第二講：Learning to Answer Yes/No
your first learning algorithm (and the world's first!) that "draws the line" between yes and no by adaptively searching for a good line based on data
1 hora para concluir
4 vídeos (Total 61 mín.)
4 videos
Perceptron Learning Algorithm (PLA)19min
Guarantee of PLA12min
Non-Separable Data12min
1 hora para concluir
第三講：Types of Learning
learning comes with many possibilities in different applications, with our focus being binary classification or regression from a batch of supervised data with concrete features
1 hora para concluir
4 vídeos (Total 61 mín.)
4 videos
Learning with Different Data Label18min
Learning with Different Protocol11min
Learning with Different Input Space14min
1 hora para concluir
第四講：Feasibility of Learning
learning can be "probably approximately correct" when given enough statistical data and finite number of hypotheses
1 hora para concluir
4 vídeos (Total 60 mín.)
4 videos
Probability to the Rescue11min
Connection to Learning16min
Connection to Real Learning18min
1 exercício prático
作業一30min
Avaliações
Principais avaliações do 機器學習基石上 (MACHINE LEARNING FOUNDATIONS)---MATHEMATICAL FOUNDATIONS
por LL23 de Jun de 2018
This course give a theoretical analysis of machine learning,though there is not much introduction of algorithm in detail,but this helped me open a new door of machine learning.
por TT3 de Mar de 2018
I am very grateful to the teacher for bring me to the world of Machine Learing. I am new in the field. I will try my best to learn the basic knowledge of ML.
por ZL26 de Ago de 2020
林老师这部分课程内容偏理论，对数理基础有一定的要求。每次作业题需要认真思考，作业后面的编程部分也能锻炼实践能力，进一步巩固所学习的理论知识。总体来说质量不错，不过希望老师以后能以后对课件里面的问题进行总结的时候可以不用太story-like，或者说更简练一点，我认为这样可以有助于学习暂停视频并好好理解。
por XL25 de Abr de 2020
Really theoretical and challenging for somebody with little math like me. But very interesting to learn! Looking forward to the 2nd part.
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.
Is financial aid available?
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.
