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
Offert par
機器學習基石下 (Machine Learning Foundations)---Algorithmic Foundations
Université nationale de Taïwan
À propos de ce cours
18,094 consultations récentes
Learner Career Outcomes
12%
ont commencé une nouvelle carrière après avoir terminé ce cours
33%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
43%
a obtenu une augmentation de salaire ou une promotion
Learner Career Outcomes
12%
ont commencé une nouvelle carrière après avoir terminé ce cours
33%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
43%
a obtenu une augmentation de salaire ou une promotion
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 13 heures pour terminer
Chinois (traditionnel)
Sous-titres : Chinois (traditionnel)
Programme du cours : ce que vous apprendrez dans ce cours
2 heures pour terminer
第九講: Linear Regression
weight vector for linear hypotheses and squared error instantly calculated by analytic solution
2 heures pour terminer
4 vidéos (Total 62 min), 4 lectures
4 vidéos
Linear Regression Algorithm20 min
Generalization Issue20 min
Linear Regression for Binary Classification11 min
4 lectures
NTU MOOC 課程問題詢問與回報機制1 min
課程大綱10 min
課程形式及評分標準10 min
延伸閱讀10 min
1 heure pour terminer
第十講: Logistic Regression
gradient descent on cross-entropy error to get good logistic hypothesis
1 heure pour terminer
4 vidéos (Total 65 min)
4 vidéos
Logistic Regression Error15 min
Gradient of Logistic Regression Error15 min
Gradient Descent19 min
1 heure pour terminer
第十一講: Linear Models for Classification
binary classification via (logistic) regression; multiclass classification via OVA/OVO decomposition
1 heure pour terminer
4 vidéos (Total 59 min)
4 vidéos
Stochastic Gradient Descent11 min
Multiclass via Logistic Regression14 min
Multiclass via Binary Classification11 min
2 heures pour terminer
第十二講: Nonlinear Transformation
nonlinear model via nonlinear feature transform+linear model with price of model complexity
2 heures pour terminer
4 vidéos (Total 59 min), 1 quiz
4 vidéos
Quadratic Hypothesis23 min
Nonlinear Transform9 min
Price of Nonlinear Transform15 min
Structured Hypothesis Sets9 min
1 exercice pour s'entraîner
作業三40 min
4.9
45 avis
Meilleurs avis pour 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。
Enseignant
林軒田
教授 (Professor)資訊工程學系 (Department of Computer Science and Information Engineering)
À propos de Université nationale de Taïwan
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/
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si j'achète le Certificat ?
Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2020 Coursera Inc. Tous droits réservés.
