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。]
機器學習基石上 (Machine Learning Foundations)---Mathematical Foundations
von
National Taiwan University
Über diesen Kurs
44,720 kürzliche Aufrufe
Kompetenzen, die Sie erwerben
Decision StumpPerceptronMachine LearningVc Dimension
Kursteilnehmer, die sich für Course entscheiden, sind
- Machine Learning Engineers
- Data Scientists
- Traders
- Data Analysts
- Research Assistants
Lehrplan - Was Sie in diesem Kurs lernen werden
Woche
12 Stunden zum Abschließen
第一講：The Learning Problem
what machine learning is and its connection to applications and other fields
5 Videos (Gesamt 70 min), 5 Lektüren
5 Videos
What is Machine Learning18m
Applications of Machine Learning18m
Components of Machine Learning11m
Machine Learning and Other Fields10m
5 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
homework 010m
Woche
21 Stunde zum Abschließen
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 Videos (Gesamt 61 min)
4 Videos
Perceptron Learning Algorithm (PLA)19m
Guarantee of PLA12m
Non-Separable Data12m
Woche
31 Stunde zum Abschließen
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 Videos (Gesamt 61 min)
4 Videos
Learning with Different Data Label18m
Learning with Different Protocol11m
Learning with Different Input Space14m
Woche
42 Stunden zum Abschließen
第四講：Feasibility of Learning
learning can be "probably approximately correct" when given enough statistical data and finite number of hypotheses
4 Videos (Gesamt 60 min), 1 Quiz
4 Videos
Probability to the Rescue11m
Connection to Learning16m
Connection to Real Learning18m
1 praktische Übung
作業一40m
29%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
43%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
36%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Top-Bewertungen von 機器學習基石上 (Machine Learning Foundations)---Mathematical Foundations
This course give a theoretical analysis of machine learning,though there is not much introduction of algorithm in detail,but this helped me open a new door of machine learning.
I am very grateful to the teacher for bring me to the world of Machine Learing. I am new in the field. I will try my best to learn the basic knowledge of ML.
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..