The course extends the fundamental tools in "Machine Learning Foundations" to powerful and practical models by three directions, which includes embedding numerous features, combining predictive features, and distilling hidden features. [這門課將先前「機器學習基石」課程中所學的基礎工具往三個方向延伸為強大而實用的工具。這三個方向包括嵌入大量的特徵、融合預測性的特徵、與萃取潛藏的特徵。]
機器學習技法 (Machine Learning Techniques)
Universidad Nacional de TaiwánAcerca de este Curso
11,384 vistas recientes
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 19 horas para completar
Chino (tradicional)
Subtítulos: Chino (tradicional)
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 19 horas para completar
Chino (tradicional)
Subtítulos: Chino (tradicional)
ofrecido por
Universidad Nacional de Taiwán
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/
Programa - Qué aprenderás en este curso
2 horas para completar
第一講：Linear Support Vector Machine
more robust linear classification solvable with quadratic programming
2 horas para completar
5 videos (Total 67 minutos), 4 lecturas
5 videos
Large-Margin Separating Hyperplane14m
Standard Large-Margin Problem19m
Support Vector Machine15m
Reasons behind Large-Margin Hyperplane13m
4 lecturas
NTU MOOC 課程問題詢問與回報機制5m
課程大綱10m
延伸閱讀10m
課程形式及評分標準10m
1 hora para completar
第二講：Dual Support Vector Machine
another QP form of SVM with valuable geometric messages and almost no dependence on the dimension of transformation
1 hora para completar
4 videos (Total 60 minutos)
1 hora para completar
第三講：Kernel Support Vector Machine
kernel as a shortcut to (transform + inner product): allowing a spectrum of models ranging from simple linear ones to infinite dimensional ones with margin control
1 hora para completar
4 videos (Total 61 minutos)
1 hora para completar
第四講：Soft-Margin Support Vector Machine
a new primal formulation that allows some penalized margin violations, which is equivalent to a dual formulation with upper-bounded variables
1 hora para completar
4 videos (Total 46 minutos)
4 videos
Dual Problem7m
Messages behind Soft-Margin SVM13m
Model Selection9m
1 ejercicio de práctica
作業一40m
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
- es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
- Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si compro el Certificado?
Cuando compras un Certificado, obtienes acceso a todos los materiales del curso, incluidas las tareas calificadas. Una vez que completes el curso, se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes participar del curso como oyente sin costo.
¿Cuál es la política de reembolsos?
Puedes solicitar un reembolso completo hasta dos semanas después de tu fecha de pago o (para los cursos que se lanzaron recientemente) hasta dos semanas después del comienzo de la primera sesión del curso, lo que ocurra después. No puedes recibir un reembolso luego de obtener un Certificado de curso, aun cuando completes el curso dentro del período de reembolso de dos semanas. Consulta nuestra política de reembolsos completa.
¿Hay ayuda económica disponible?
Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el vínculo de Ayuda económica que está debajo del botón 'Inscribirse' a la izquierda. Se te pedirá que completes una solicitud y recibirás una notificación cuando se apruebe. Obtén más información.
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
