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
von
National Taiwan University
Lehrplan - Was Sie in diesem Kurs lernen werden
Woche
12 Stunden zum Abschließen
第九講: Linear Regression
weight vector for linear hypotheses and squared error instantly calculated by analytic solution
4 Videos (Gesamt 62 min), 4 Lektüren
4 Videos
Linear Regression Algorithm20m
Generalization Issue20m
Linear Regression for Binary Classification11m
4 Lektüren
NTU MOOC 課程問題詢問與回報機制1m
課程大綱10m
課程形式及評分標準10m
延伸閱讀10m
Woche
21 Stunde zum Abschließen
第十講: Logistic Regression
gradient descent on cross-entropy error
to get good logistic hypothesis
4 Videos (Gesamt 65 min)
4 Videos
Logistic Regression Error15m
Gradient of Logistic Regression Error15m
Gradient Descent19m
Woche
31 Stunde zum Abschließen
第十一講: Linear Models for Classification
binary classification via (logistic) regression; multiclass classification via OVA/OVO decomposition
4 Videos (Gesamt 59 min)
4 Videos
Stochastic Gradient Descent11m
Multiclass via Logistic Regression14m
Multiclass via Binary Classification11m
Woche
42 Stunden zum Abschließen
第十二講: Nonlinear Transformation
nonlinear model via nonlinear feature transform+linear model with price of model complexity
4 Videos (Gesamt 59 min), 1 Quiz
4 Videos
Nonlinear Transform9m
Price of Nonlinear Transform15m
Structured Hypothesis Sets9m
1 praktische Übung
作業三40m
Woche
51 Stunde zum Abschließen
第十三講: Hazard of Overfitting
overfitting happens with excessive power, stochastic/deterministic noise and limited data
4 Videos (Gesamt 49 min)
4 Videos
The Role of Noise and Data Size13m
Deterministic Noise14m
Dealing with Overfitting10m
Woche
61 Stunde zum Abschließen
第十四講: Regularization
minimize augmented error, where the added regularizer effectively limits model complexity
4 Videos (Gesamt 65 min)
4 Videos
Weight Decay Regularization24m
Regularization and VC Theory8m
General Regularizers13m
Woche
71 Stunde zum Abschließen
第十五講: Validation
(crossly) reserve validation data to simulate testing procedure for model selection
4 Videos (Gesamt 56 min)
4 Videos
Validation13m
Leave-One-Out Cross Validation16m
V-Fold Cross Validation10m
Woche
81 Stunde zum Abschließen
第十六講: Three Learning Principles
be aware of model complexity, data goodness and your professionalism
4 Videos (Gesamt 43 min), 1 Quiz
1 praktische Übung
作業四40m
20%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
33%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
25%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Top-Bewertungen
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。
Dozent
林軒田
教授 (Professor)資訊工程學系 (Department of Computer Science and Information Engineering)
Über 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/
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.
Was bekomme ich, wenn ich das Zertifikat erwerbe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
Coursera arbeitet mit erstklassigen Universitäten und Organisationen zusammen, um Online-Kurse anzubieten und dadurch universellen Zugriff auf die weltweit beste Ausbildung zu ermöglichen.
© 2019 Coursera Inc. Alle Rechte vorbehalten.
