Об этом курсе: 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。]
Автор: National Taiwan University
Преподаватели: 林軒田, 教授 (Professor)
資訊工程學系 (Computer Science and Information Engineering)
| Уровень | Начинающий |
| Язык | Chinese (Traditional) |
| Требования к аппаратным средствам | 需要一般個人電腦或同等級的計算資源以撰寫程式執行作業 |
| Как пройти курс | Чтобы пройти курс, выполните все оцениваемые задания. |
| Оценки пользователей |
Программа курса
НЕДЕЛЯ 1
第一講：The Learning Problem
what machine learning is and its connection to applications and other fields
5 видео, 5 материалов для самостоятельного изучения
- Материал для самостоятельного изучения: NTU MOOC 課程問題詢問與回報機制
- Видео: What is Machine Learning
- Видео: Applications of Machine Learning
- Видео: Components of Machine Learning
- Видео: Machine Learning and Other Fields
- Материал для самостоятельного изучения: 課程大綱
- Материал для самостоятельного изучения: 課程形式及評分標準
- Материал для самостоятельного изучения: 延伸閱讀
- Материал для самостоятельного изучения: homework 0
НЕДЕЛЯ 2
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 видео
- Видео: Perceptron Learning Algorithm (PLA)
- Видео: Guarantee of PLA
- Видео: Non-Separable Data
НЕДЕЛЯ 3
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 видео
- Видео: Learning with Different Data Label
- Видео: Learning with Different Protocol
- Видео: Learning with Different Input Space
НЕДЕЛЯ 4
第四講：Feasibility of Learning
learning can be "probably approximately correct" when given enough statistical data and finite number of hypotheses
4 видео
- Видео: Probability to the Rescue
- Видео: Connection to Learning
- Видео: Connection to Real Learning
Оцениваемый: 作業一
НЕДЕЛЯ 5
第五講：Training versus Testing
what we pay in choosing hypotheses during training: the growth function for representing effective number of choices
4 видео
- Видео: Effective Number of Lines
- Видео: Effective Number of Hypotheses
- Видео: Break Point
НЕДЕЛЯ 6
第六講: Theory of Generalization
test error can approximate training error if there is enough data and growth function does not grow too fast
4 видео
- Видео: Bounding Function: Basic Cases
- Видео: Bounding Function: Inductive Cases
- Видео: A Pictorial Proof
НЕДЕЛЯ 7
第七講: The VC Dimension
learning happens if there is finite model complexity (called VC dimension), enough data, and low training error
4 видео
- Видео: VC Dimension of Perceptrons
- Видео: Physical Intuition of VC Dimension
- Видео: Interpreting VC Dimension
НЕДЕЛЯ 8
第八講: Noise and Error
learning can still happen within a noisy environment and different error measures
4 видео
- Видео: Error Measure
- Видео: Algorithmic Error Measure
- Видео: Weighted Classification
Оцениваемый: 作業二
Часто задаваемые вопросы
Как это работает
Задания курса
Каждый курс — это интерактивный учебник, который содержит видеоматериалы, тесты и проекты.
Помощь сокурсников
Общайтесь с тысячами других учащихся: обсуждайте идеи, материалы курса и помогайте друг другу осваивать новые понятия.
Сертификаты
Получите документы о прохождении курсов и поделитесь своим успехом с друзьями, коллегами и работодателями.
Авторы
National Taiwan University
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/
Рейтинги и отзывы
老师讲得很详细，作业的难度也比较合理。
机器学习基石上课程目标不在于工程能力，而在于提供一种思路：为什么机器学习能work？这是很多其他课程不能带来的。
覺得基礎蠻重要的OAO
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2018 Все права защищены.
Y
林轩田老师课件做的太好了，讲课也z