fbpx

機器學習基石( 上 ) – 數學基礎

Contents

機器學習運用許多演算法和理論,本課程由亞馬遜線上書店暢銷的機器學習入門教科書「Learning From Data」聯合著作人、台灣大學資工系傑出教師林軒田授課。 幫助你走過所有機器學習所需要的數學基礎。

ml

課程說明

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。

授課大綱

第一講:The Learning Problem

什麼是機器學習及其與應用程式和其他領域的連結

第二講:Learning to Answer Yes/No

你的第一個學習演算法(也是世界上第一個!)通過自適應地搜索基於資料找出好線畫出 Yes 和 No 的界線

第三講:Types of Learning

學習在不同的應用中有很多可能性,我們的重點是從一批具有具體特徵的監督數據中進行二元分類或迴歸

第四講:Feasibility of Learning

當給定足夠的統計數據和有限數量的假設時,學習可以“可能近似正確”

第五講:Training versus Testing

我們在訓練過程中選擇假設所付出的代價:代表有效選擇數量的增長函數

第六講: Theory of Generalization

如果有足夠的數據並且增長函數不會增長太快,測試誤差可以接近訓練誤差

第七講: The VC Dimension

如果存在有限的模型複雜性(稱為 VC 維度)、足夠的數據和較低的訓練誤差,學習就會發生

第八講: Noise and Error

學習仍然可以在嘈雜的環境和不同的錯誤度量中進行

講師簡介

國立台灣大學  林軒田

林軒田在2001年於台灣大學資訊工程系取得學士學位,並在2005年及2008年相繼在美國加州理工學院取得碩士及博士學位。他在2008年返回台灣大學資訊工程系擔任助理教授,並在2012年升等為副教授。他目前擔任台灣人工智慧協會的秘書長,並投入「機器學習的理論基礎與演算法設計」之研究。

林教授合著了在亞馬遜線上書店暢銷的機器學習入門教科書「Learning From Data」,並曾獲得 2011 年台灣大學「教學傑出教師獎」,2013 年台灣大學「優良導師獎」,2012 年 ACM Taipei Chapter 「李國鼎青年研究獎」與 2013 年國科會「吳大猷先生紀念獎」。林教授另共同帶領了台灣大學的團隊,在 2010 至 2013 年,連續獲得了四年(六座)的 KDDCup 世界冠軍 。


課程網址

classroom-1209820_1280
Sponsored by Coursera


Available until May 30, 2023

你可能會有興趣

不受 FB 演算法影響,歡迎透過 e-mail 訂閱網站更新

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: