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。]
от партнера
機器學習基石下 (Machine Learning Foundations)---Algorithmic Foundations
Национальный университет ТайваняОб этом курсе
Недавно просмотрено: 5,856
Карьерные результаты учащихся
12%
начал новую карьеру, пройдя эти курсы
33%
получил значимые преимущества в карьере благодаря этому курсу
43%
стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 10 часов на выполнение
Китайский (традиционное письмо)
Субтитры: Китайский (традиционное письмо)
Карьерные результаты учащихся
12%
начал новую карьеру, пройдя эти курсы
33%
получил значимые преимущества в карьере благодаря этому курсу
43%
стал больше зарабатывать или получил повышение
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 10 часов на выполнение
Китайский (традиционное письмо)
Субтитры: Китайский (традиционное письмо)
от партнера
Национальный университет Тайваня
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/
Программа курса: что вы изучите
2 ч. на завершение
第九講: Linear Regression
weight vector for linear hypotheses and squared error instantly calculated by analytic solution
2 ч. на завершение
4 видео ((всего 62 мин.)), 4 материалов для самостоятельного изучения
4 видео
Linear Regression Algorithm20мин
Generalization Issue20мин
Linear Regression for Binary Classification11мин
4 материала для самостоятельного изучения
NTU MOOC 課程問題詢問與回報機制1мин
課程大綱10мин
課程形式及評分標準10мин
延伸閱讀10мин
1 ч. на завершение
第十講: Logistic Regression
gradient descent on cross-entropy error
1 ч. на завершение
4 видео ((всего 65 мин.))
4 видео
Logistic Regression Error15мин
Gradient of Logistic Regression Error15мин
Gradient Descent19мин
1 ч. на завершение
第十一講: Linear Models for Classification
binary classification via (logistic) regression; multiclass classification via OVA/OVO decomposition
1 ч. на завершение
4 видео ((всего 59 мин.))
4 видео
Stochastic Gradient Descent11мин
Multiclass via Logistic Regression14мин
Multiclass via Binary Classification11мин
2 ч. на завершение
第十二講: Nonlinear Transformation
nonlinear model via nonlinear feature transform+linear model with price of model complexity
2 ч. на завершение
4 видео ((всего 59 мин.))
4 видео
Quadratic Hypothesis23мин
Nonlinear Transform9мин
Price of Nonlinear Transform15мин
Structured Hypothesis Sets9мин
1 практическое упражнение
作業三40мин
Рецензии
Лучшие отзывы о курсе 機器學習基石下 (MACHINE LEARNING FOUNDATIONS)---ALGORITHMIC FOUNDATIONS
от партнера HL4 дек. 2017 г.
What an amazing course! I hope professor can give new courses in the future and cover more practical things with so hard theoretical things.
от партнера JJ2 окт. 2018 г.
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。
от партнера XL2 мая 2020 г.
Great course on soliciting basics of ML! Looking forward to next one.
от партнера RR14 апр. 2018 г.
A perfect course in spite of a little in-digestibility .
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
- The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
- The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
Что я получу, оплатив сертификацию?
Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Средства можно вернуть в течение двух недель с момента оплаты или (для только что начавшихся курсов) в течение двух недель после первой сессии, в зависимости от того, какое событие наступит позже. Средства не возвращаются после получения сертификата о прохождении курса, даже если вы закончили курс в течение двухнедельного гарантийного срока. Ознакомьтесь с нашей политикой возврата средств.
Можно ли получить финансовую помощь?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке 'Финансовая помощь' слева под кнопкой 'Зарегистрироваться' и заполните форму. Если его примут, вы получите уведомление. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
