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。]
機器學習基石上 (Machine Learning Foundations)---Mathematical Foundations
oferecido por
機器學習基石上 (Machine Learning Foundations)---Mathematical Foundations
Universidade Nacional de Taiwan
Informações sobre o curso
35,678 visualizações recentes
Learner Career Outcomes
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
Habilidades que você terá
Decision StumpPerceptronMachine LearningVc Dimension
Programa - O que você aprenderá com este curso
Semana
12 horas para concluir
第一講：The Learning Problem
what machine learning is and its connection to applications and other fields
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
Semana
21 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
4 vídeos (Total 61 mín.)
4 videos
Perceptron Learning Algorithm (PLA)19min
Guarantee of PLA12min
Non-Separable Data12min
Semana
31 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
4 vídeos (Total 61 mín.)
4 videos
Learning with Different Data Label18min
Learning with Different Protocol11min
Learning with Different Input Space14min
Semana
42 horas para concluir
第四講：Feasibility of Learning
learning can be "probably approximately correct" when given enough statistical data and finite number of hypotheses
4 vídeos (Total 60 mín.), 1 teste
4 videos
Probability to the Rescue11min
Connection to Learning16min
Connection to Real Learning18min
1 exercício prático
作業一40min
Principais avaliações do 機器學習基石上 (Machine Learning Foundations)---Mathematical Foundations
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.
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.
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.