When will I have access to the lectures and assignments?

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

What will I get if I purchase the Certificate?

When you purchase a Certificate you get access to all course materials, including graded assignments. Upon completing the course, your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

機器學習基石下 (Machine Learning Foundations)---Algorithmic Foundations

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.

機器學習基石下 (Machine Learning Foundations)---Algorithmic Foundations

Instructeur : 林軒田

17 340 déjà inscrits

Inclus avec

8 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

331 avis

niveau Intermédiaire

Certaines connaissances prérequises

9 heures à compléter

Planning flexible

Apprenez à votre propre rythme

8 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

331 avis

niveau Intermédiaire

Certaines connaissances prérequises

9 heures à compléter

Planning flexible

Apprenez à votre propre rythme

Compétences que vous acquerrez

Catégorie : Machine Learning Methods
Catégorie : Model Optimization
Catégorie : Algorithms
Catégorie : Feature Engineering
Catégorie : Supervised Learning
Catégorie : Data Transformation
Catégorie : Logistic Regression
Catégorie : Regression Analysis
Catégorie : Applied Machine Learning
Catégorie : Statistical Methods
Catégorie : Data Validation
Catégorie : Model Evaluation
Catégorie : Machine Learning
Catégorie : Verification And Validation
Catégorie : Linear Algebra
Catégorie : Model Training
Catégorie : Machine Learning Algorithms
Catégorie : Statistical Machine Learning

Outils que vous découvrirez

Catégorie : Classification Algorithms

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

2 devoirs

Enseigné en Chinois (traditionnel)

91%

of learners achieved a positive career outcome

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Il y a 8 modules dans ce cours

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。]

Détails du module

weight vector for linear hypotheses and squared error instantly calculated by analytic solution

Inclus

4 vidéos4 lectures

gradient descent on cross-entropy error to get good logistic hypothesis

Inclus

4 vidéos

binary classification via (logistic) regression; multiclass classification via OVA/OVO decomposition

Inclus

4 vidéos

nonlinear model via nonlinear feature transform+linear model with price of model complexity

Inclus

4 vidéos1 devoir

overfitting happens with excessive power, stochastic/deterministic noise and limited data

Inclus

4 vidéos

minimize augmented error, where the added regularizer effectively limits model complexity

Inclus

4 vidéos

(crossly) reserve validation data to simulate testing procedure for model selection

Inclus

4 vidéos

be aware of model complexity, data goodness and your professionalism

Inclus

4 vidéos1 devoir

Instructeur

Évaluations de l’enseignant

(24 évaluations)

林軒田

National Taiwan University

3 Cours56 989 apprenants

Offert par

National Taiwan University

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’