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。]
10 calificaciones
ofrecido por
機器學習技法 (Machine Learning Techniques)
Universidad Nacional de TaiwánAcerca de este Curso
7,215 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.
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
作業一30m
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.
Is financial aid available?
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.
