机器学习基础

Machine Learning Foundations

机器学习旨在让电脑能由资料中累积的经验来自我进步。本课程将介绍各领域中的机器学习使用者都应该知道的基础算法、理…

国立台湾大学

分享

机器学习基础
  • 分类: 计算机
  • 平台: Coursera
  • 语言: 中文

机器学习旨在让电脑能由资料中累积的经验来自我进步。本课程将介绍各领域中的机器学习使用者都应该知道的基础算法、理论及实用工具。

课程概述

欢迎大家!这门课将采用英文投影片配合中文的教学讲解,我们希望能借这次中文教学的机会,将机器学习介绍给更多华人世界的初学者。课程中使用的英文投影片不会使用到艰深的英文,如果你能了解以下两段的课程简介,你应该也可以了解课程所使用的英文投影片。

Machine learning is an exciting field with lots of applications in engineering, science, finance, and commerce. It is also a very dynamic field, where many new techniques are being designed every day, and the hot techniques and theories at times can rise and disappear rapidly. Thus, users of machine learning from other fields often face the problem of choosing or using the techniques properly. In this course, we emphasize the necessary fundamentals that give any student of machine learning a solid foundation, and enable him or her to exploit current techniques properly, explore further techniques and theories, or perhaps to contribute their own in the future.

The course roughly corresponds to the first half-semester of the National Taiwan University course “Machine Learning”, and the second half-semester is expected to be on Coursera under the name “Machine Learning Techniques” soon in the future. Based on five years of teaching this popular course successfully (including winning the most prestigious teaching award of National Taiwan University) and discussing with many other scholars actively, the instructor chooses to focus on what he believes to be the core topics that every student of the subject should know. The students shall enjoy a story-like flow moving from “When Can Machines Learn” to “Why”, “How” and beyond.

课程大纲

以下的每个小项目对应约一小时的在线课程
何时可以使用机器学习?
机器学习问题
二元分类
各式机器学习问题
机器学习的可行性

为什麽机器可以学习?
训练与测试
举一反三的一般化理论
VC 维度
杂讯一错误

机器可以怎麽样学习?
线性迴归
软性的线性分类
二元分类以外的分类问题
非线性转换

机器可以怎麽样学得更好?
过度训练的危险
避免过度训练一:控制调适
避免过度训练二:自我检测
三个机器学习的重要原则

先修知识

我们希望修课的同学对于基本的微分、向量与矩阵运算、及机率的工具有所了解。有些作业会需要写作或执行一些程式,所以我们建议修课的同学能在你所熟悉的平台上有一些编程背景。

参考资料

虽然这门课的录影课程及投影片应该足以帮大家了解所有的内容,我们推荐有兴趣的同学们阅读 Learning from Data一书,该书包含了本课程中所介绍的大部份的内容。

授课形式

这门课主要以线上录影课程及其中的小测验组成,每两週我们会有另外的作业练习。

常见问题解答

我在完成课程后,是否能得到“修业合格证明”?
是的,当同学成功完成课程的基本要求后,即可收到由授课老师签署的“修业合格证明”。

修习此课需要哪些设备/资源?
在有些作业的问题中,你需要在某些计算平台上执行程式,而你可以使用任何你所爱的程式语言。如果你正确的编写算法,在一般的个人电脑上,每次作业所需的“机器时间”应该不到一天,所以你不需要超快的运算资源。

我在此课程可以有什么收获?
对机器学习基础有全面的了解!

声明:MOOC中国收录之课程均源自下列机构,版权均归他们所有。本站仅作报道并尊重其著作权益,感谢他们对MOOC事业做出的贡献!(排名不分先后)
  • Coursera
  • edX
  • OpenLearning
  • FutureLearn
  • iversity
  • Udacity
  • NovoEd
  • Canvas
  • Open2Study
  • Google
  • ewant
  • FUN
  • IOC-Athlete-MOOC
  • World-Science-U
  • Codecademy
  • CourseSites
  • opencourseworld
  • ShareCourse
  • gacco
  • MiriadaX
  • JANUX
  • openhpi
  • Stanford-Open-Edx
  • 网易云课堂
  • 中国大学MOOC
  • 学堂在线
  • 顶你学堂
  • 华文慕课
  • 好大学在线CnMooc

Copyright © 2008-2015 MOOC.CN 慕课改变你,你改变世界