Об этом курсе
4.9
Оценки: 176
Рецензии: 34
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 12 часа на выполнение

Предполагаемая нагрузка: 8 hours/week...
Доступные языки

Китайский (традиционное письмо)

Субтитры: Китайский (традиционное письмо)
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 12 часа на выполнение

Предполагаемая нагрузка: 8 hours/week...
Доступные языки

Китайский (традиционное письмо)

Субтитры: Китайский (традиционное письмо)

Программа курса: что вы изучите

Неделя
1
Часов на завершение
2 ч. на завершение

第九講: Linear Regression

weight vector for linear hypotheses and squared error instantly calculated by analytic solution...
Reading
4 видео ((всего 62 мин.)), 4 материалов для самостоятельного изучения
Video4 видео
Linear Regression Algorithm20мин
Generalization Issue20мин
Linear Regression for Binary Classification11мин
Reading4 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
Неделя
2
Часов на завершение
1 ч. на завершение

第十講: Logistic Regression

gradient descent on cross-entropy error to get good logistic hypothesis...
Reading
4 видео ((всего 65 мин.))
Video4 видео
Logistic Regression Error15мин
Gradient of Logistic Regression Error15мин
Gradient Descent19мин
Неделя
3
Часов на завершение
1 ч. на завершение

第十一講: Linear Models for Classification

binary classification via (logistic) regression; multiclass classification via OVA/OVO decomposition...
Reading
4 видео ((всего 59 мин.))
Video4 видео
Stochastic Gradient Descent11мин
Multiclass via Logistic Regression14мин
Multiclass via Binary Classification11мин
Неделя
4
Часов на завершение
2 ч. на завершение

第十二講: Nonlinear Transformation

nonlinear model via nonlinear feature transform+linear model with price of model complexity...
Reading
4 видео ((всего 59 мин.)), 1 тест
Video4 видео
Nonlinear Transform9мин
Price of Nonlinear Transform15мин
Structured Hypothesis Sets9мин
Quiz1 практическое упражнение
作業三40мин
4.9
Рецензии: 34Chevron Right
Формирование карьерного пути

25%

начал новую карьеру, пройдя эти курсы
Карьерные преимущества

40%

получил значимые преимущества в карьере благодаря этому курсу
Продвижение по карьерной лестнице

25%

стал больше зарабатывать или получил повышение

Лучшие рецензии

автор: HLDec 5th 2017

What an amazing course! I hope professor can give new courses in the future and cover more practical things with so hard theoretical things.

автор: JJOct 3rd 2018

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。

Преподаватель

Avatar

林軒田

教授 (Professor)
資訊工程學系 (Department of Computer Science and Information Engineering)

О 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/...

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • 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.

Остались вопросы? Посетите Центр поддержки учащихся.