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
от партнера
Национальный университет Тайваня
Программа курса: что вы изучите
Неделя
12 ч. на завершение
第九講: Linear Regression
weight vector for linear hypotheses and squared error instantly calculated by analytic solution
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
Неделя
21 ч. на завершение
第十講: Logistic Regression
gradient descent on cross-entropy error to get good logistic hypothesis
4 видео ((всего 65 мин.))
4 видео
Logistic Regression Error15мин
Gradient of Logistic Regression Error15мин
Gradient Descent19мин
Неделя
31 ч. на завершение
第十一講: Linear Models for Classification
binary classification via (logistic) regression; multiclass classification via OVA/OVO decomposition
4 видео ((всего 59 мин.))
4 видео
Stochastic Gradient Descent11мин
Multiclass via Logistic Regression14мин
Multiclass via Binary Classification11мин
Неделя
42 ч. на завершение
第十二講: Nonlinear Transformation
nonlinear model via nonlinear feature transform+linear model with price of model complexity
4 видео ((всего 59 мин.)), 1 тест
4 видео
Quadratic Hypothesis23мин
Nonlinear Transform9мин
Price of Nonlinear Transform15мин
Structured Hypothesis Sets9мин
1 практическое упражнение
作業三40мин
Неделя
51 ч. на завершение
第十三講: Hazard of Overfitting
overfitting happens with excessive power, stochastic/deterministic noise and limited data
4 видео ((всего 49 мин.))
4 видео
What is Overfitting?10мин
The Role of Noise and Data Size13мин
Deterministic Noise14мин
Dealing with Overfitting10мин
Неделя
61 ч. на завершение
第十四講: Regularization
minimize augmented error, where the added regularizer effectively limits model complexity
4 видео ((всего 65 мин.))
4 видео
Weight Decay Regularization24мин
Regularization and VC Theory8мин
General Regularizers13мин
Неделя
71 ч. на завершение
第十五講: Validation
(crossly) reserve validation data to simulate testing procedure for model selection
4 видео ((всего 56 мин.))
4 видео
Validation13мин
Leave-One-Out Cross Validation16мин
V-Fold Cross Validation10мин
Неделя
81 ч. на завершение
第十六講: Three Learning Principles
be aware of model complexity, data goodness and your professionalism
4 видео ((всего 43 мин.)), 1 тест
1 практическое упражнение
作業四40мин
4.9
Рецензии: 3620%
начал новую карьеру, пройдя эти курсы
33%
получил значимые преимущества в карьере благодаря этому курсу
25%
стал больше зарабатывать или получил повышение
Лучшие отзывы о курсе 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。
Преподаватели
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
Когда я получу доступ к лекциям и заданиям?
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.
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?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2019 Все права защищены.
