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
ofrecido por
Universidad Nacional de Taiwán
Acerca de este Curso
44,720 vistas recientes
Habilidades que obtendrás
Decision StumpPerceptronMachine LearningVc Dimension
Los estudiantes que toman este Course son
- Machine Learning Engineers
- Data Scientists
- Traders
- Data Analysts
- Research Assistants
Programa - Qué aprenderás en este curso
Semana
12 horas para completar
第一講：The Learning Problem
what machine learning is and its connection to applications and other fields
5 videos (Total 70 minutos), 5 lecturas
5 videos
What is Machine Learning18m
Applications of Machine Learning18m
Components of Machine Learning11m
Machine Learning and Other Fields10m
5 lecturas
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
Semana
21 hora para completar
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 (Total 61 minutos)
4 videos
Perceptron Learning Algorithm (PLA)19m
Guarantee of PLA12m
Non-Separable Data12m
Semana
31 hora para completar
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 (Total 61 minutos)
4 videos
Learning with Different Data Label18m
Learning with Different Protocol11m
Learning with Different Input Space14m
Semana
42 horas para completar
第四講：Feasibility of Learning
learning can be "probably approximately correct" when given enough statistical data and finite number of hypotheses
4 videos (Total 60 minutos), 1 cuestionario
4 videos
Probability to the Rescue11m
Connection to Learning16m
Connection to Real Learning18m
1 ejercicio de práctica
作業一40m
29%
comenzó una nueva carrera después de completar estos cursos
43%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
36%
consiguió un aumento de sueldo o ascenso
Principales revisiones sobre 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.
Instructor
林軒田
教授 (Professor)資訊工程學系 (Department of Computer Science and Information Engineering)
Acerca de 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/
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
Una vez que te inscribes para obtener un Certificado, tendrás acceso a todos los videos, cuestionarios y tareas de programación (si corresponde). Las tareas calificadas por compañeros solo pueden enviarse y revisarse una vez que haya comenzado tu sesión. Si eliges explorar el curso sin comprarlo, es posible que no puedas acceder a determinadas tareas.
¿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?
¿Hay ayuda económica disponible?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.