[網宣]「機器學習的基礎」在coursera即將開課

看板NTU作者Yapp ( )時間10年前 (2013/11/22 19:52)推噓8(8推 0噓 0→)

留言8則, 8人參與討論串1/1

台大資工系林軒田老師將在11/26於coursera開始「機器學習的基礎」這門課，這堂課將持續八週，每週大約一小時，完成課程將能獲得修業合格證明。林軒田老師共同指導的學生團隊在過去四年都連續獲得KDDCup資料探勘大賽冠軍，對於機器學習的理論或是應用方面，都有深刻的體會。至於老師的教學熱誠則是有目共睹，總是用深入淺出的例子讓學生更容易進入課程，而且講話幽默風趣，上起課來不會太沉重。機器學習是目前當紅的議題，由於各個領域都累積了大量資料，若讓電腦具有學習能力處理大量資料，就能將從中得到的知識用以應付未來遇到的問題。在第一堂coursera課程中，就會介紹機器學習的一些有趣應用，像是機器人、自動車，讓人可以更快了解機器學習的用途。本門課將使用英文教材搭配中文授課，學生最好要有基本微分、向量、矩陣運算、機率的基本認識，另外有些作業需要執行程式，最好有程式寫作的背景，想先預習的同學可以先看看Learning from Data這本書。 Coursera由於有廣大的學習同好在線上一起學習，到時後將能和多人進行線上討論作業，減輕沉重的負擔，對於聽不懂的部分也可以重複觀看，並自己決定學習的時間地點，很適合做為挑戰這門課的學習環境喔！有興趣的同學可以來看看老師拍的宣傳片！ https://www.coursera.org/course/ntumlone 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] buy NTU coursera團隊 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.112.4.195

推

gino0717

11/22 19:55, , 1^F

11/22 19:55, 1^F

推

strike5566

11/22 22:04, , 2^F

11/22 22:04, 2^F

推

fei6409

11/22 22:21, , 3^F

11/22 22:21, 3^F