link
来源：www.coursera.org
list
8个序列
assignment
等级：入门
chat_bubble_outline
语言：中文
card_giftcard
512分
评论
关键信息
credit_card
免费进入
timer
64小时总数
关于内容
Machine learning is the study that allows computers to adaptively improve their performance with experience accumulated from the data observed. The course teaches the most fundamental algorithmic, theoretical and practical tools that any user of machine learning needs to know. [機器學習旨在讓電腦能由資料中累積的經驗來自我進步。本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。]
more_horiz
查看更多
more_horiz
收起
dns
课程大纲
Each of the following items correspond to approximately one hour of video lecture. [以下的每個小項目對應到約一小時的線上課程]
When Can Machines Learn? [何時可以使用機器學習]
-- The Learning Problem [機器學習問題]
-- Learning to Answer Yes/No [二元分類]
-- Types of Learning [各式機器學習問題]
-- Feasibility of Learning [機器學習的可行性]
Why Can Machines Learn? [為什麼機器可以學習]
-- Training versus Testing [訓練與測試]
-- Theory of Generalization [舉一反三的一般化理論]
-- The VC Dimension [VC 維度]
-- Noise and Error [雜訊一錯誤]
How Can Machines Learn? [機器可以怎麼樣學習]
-- Linear Regression [線性迴歸]
-- Linear `Soft' Classification [軟性的線性分類]
-- Linear Classification beyond Yes/No [二元分類以外的分類問題]
-- Nonlinear Transformation [非線性轉換]
How Can Machines Learn Better? [機器可以怎麼樣學得更好]
-- Hazard of Overfitting [過度訓練的危險]
-- Preventing Overfitting I: Regularization [避免過度訓練一：控制調適]
-- Preventing Overfitting II: Validation [避免過度訓練二：自我檢測]
-- Three Learning Principles [三個機器學習的重要原則]
When Can Machines Learn? [何時可以使用機器學習]
-- The Learning Problem [機器學習問題]
-- Learning to Answer Yes/No [二元分類]
-- Types of Learning [各式機器學習問題]
-- Feasibility of Learning [機器學習的可行性]
Why Can Machines Learn? [為什麼機器可以學習]
-- Training versus Testing [訓練與測試]
-- Theory of Generalization [舉一反三的一般化理論]
-- The VC Dimension [VC 維度]
-- Noise and Error [雜訊一錯誤]
How Can Machines Learn? [機器可以怎麼樣學習]
-- Linear Regression [線性迴歸]
-- Linear `Soft' Classification [軟性的線性分類]
-- Linear Classification beyond Yes/No [二元分類以外的分類問題]
-- Nonlinear Transformation [非線性轉換]
How Can Machines Learn Better? [機器可以怎麼樣學得更好]
-- Hazard of Overfitting [過度訓練的危險]
-- Preventing Overfitting I: Regularization [避免過度訓練一：控制調適]
-- Preventing Overfitting II: Validation [避免過度訓練二：自我檢測]
-- Three Learning Principles [三個機器學習的重要原則]
record_voice_over
教师
- Hsuan-Tien Lin - 資訊工程學系 (Computer Science and Information Engineering)
store
内容设计师
台湾国立大学是台湾的一所公立大学，位于台北市。
它是台湾公认的最负盛名的大学，为台湾培养了科学、经济、金融、语言和政治等领域的精英。
国立台湾大学（NTU）于 1928 年在台北成立，培养了许多政治和社会领袖。泛蓝运动和泛绿运动都起源于该大学校园。
该大学在大台北地区有六个校区，在南投县还有两个校区，占台湾岛总面积的近 1%。
assistant
平台
Coursera是一家数字公司，提供由位于加利福尼亚州山景城的计算机教师Andrew Ng和达芙妮科勒斯坦福大学创建的大型开放式在线课程。
Coursera与顶尖大学和组织合作，在线提供一些课程，并提供许多科目的课程，包括：物理，工程，人文，医学，生物学，社会科学，数学，商业，计算机科学，数字营销，数据科学 和其他科目。
您是 MOOC 的设计者？
keyboard_arrow_left
grade
keyboard_arrow_right
整合评论系统
