К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
機器學習技法 (Machine Learning Techniques) · LearnSpace
Назад в каталог
courseraАнализ данных

機器學習技法 (Machine Learning Techniques)

Курс от National Taiwan University
Средний≈ 18.7 чКитайский (Тайвань)
О курсеНавыкиПрограммаПреподаватели

О курсе

The course extends the fundamental tools in "Machine Learning Foundations" to powerful and practical models by three directions, which includes embedding numerous features, combining predictive features, and distilling hidden features. [這門課將先前「機器學習基石」課程中所學的基礎工具往三個方向延伸為強大而實用的工具。這三個方向包括嵌入大量的特徵、融合預測性的特徵、與萃取潛藏的特徵。]

Навыки, которые вы освоите

Machine Learning AlgorithmsClassification AlgorithmsArtificial Neural NetworksModel OptimizationDecision Tree LearningRandom Forest AlgorithmSupervised LearningAutoencodersMachine LearningMachine Learning MethodsApplied Machine LearningModel TrainingEmbeddingsDeep LearningModel EvaluationDimensionality ReductionRegression AnalysisStatistical Machine LearningPredictive ModelingFeature Engineering

Программа курса

16 модулей · 73 учебных материалов

01第一講:Linear Support Vector Machine9 материалов

Course Information

NTU MOOC 課程問題詢問與回報機制ЧтениеCourse IntroductionВидео課程大綱Чтение延伸閱讀Чтение

Учитесь у экспертов

林軒田

教授 (Professor)

機器學習技法 (Machine Learning Techniques)
В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 18.7 ч

16 модулей

Язык: Китайский (Тайвань)

Часть программы вашего университета
課程形式及評分標準Чтение

Lectures

Large-Margin Separating HyperplaneВидеоStandard Large-Margin ProblemВидеоSupport Vector MachineВидеоReasons behind Large-Margin HyperplaneВидео
02第二講:Dual Support Vector Machine4 материалов

Lectures

Motivation of Dual SVMВидеоLagrange Dual SVMВидеоSolving Dual SVMВидеоMessages behind Dual SVMВидео
03第三講:Kernel Support Vector Machine4 материалов

Lectures

Kernel TrickВидеоPolynomial KernelВидеоGaussian KernelВидеоComparison of KernelsВидео
04第四講:Soft-Margin Support Vector Machine5 материалов

Lectures

Motivation and Primal ProblemВидеоDual ProblemВидеоMessages behind Soft-Margin SVMВидеоModel SelectionВидео

Homework

作業一Задание
05第五講:Kernel Logistic Regression4 материалов

Lectures

Soft-Margin SVM as Regularized ModelВидеоSVM versus Logistic RegressionВидеоSVM for Soft Binary ClassificationВидеоKernel Logistic RegressionВидео
06第六講:Support Vector Regression4 материалов

Lectures

Kernel Ridge RegressionВидеоSupport Vector Regression PrimalВидеоSupport Vector Regression DualВидеоSummary of Kernel ModelsВидео
07第七講:Blending and Bagging4 материалов

Lectures

Motivation of AggregationВидеоUniform BlendingВидеоLinear and Any BlendingВидеоBagging (Bootstrap Aggregation)Видео
08第八講:Adaptive Boosting5 материалов

Lectures

Motivation of BoostingВидеоDiversity by Re-weightingВидеоAdaptive Boosting AlgorithmВидеоAdaptive Boosting in ActionВидео

Homework

作業二Задание
09第九講:Decision Tree4 материалов

Lectures

Decision Tree HypothesisВидеоDecision Tree AlgorithmВидеоDecision Tree Heuristics in C&RTВидеоDecision Tree in ActionВидео
10第十講:Random Forest4 материалов

Lectures

Random Forest AlgorithmВидеоOut-Of-Bag EstimateВидеоFeature SelectionВидеоRandom Forest in ActionВидео
11第十一講:Gradient Boosted Decision Tree4 материалов

Lectures

Adaptive Boosted Decision TreeВидеоOptimization View of AdaBoostВидеоGradient BoostingВидеоSummary of Aggregation ModelsВидео
12第十二講:Neural Network5 материалов

Lectures

MotivationВидеоNeural Network HypothesisВидеоNeural Network LearningВидеоOptimization and RegularizationВидео

Homework

作業三Задание
13第十三講:Deep Learning4 материалов

Lectures

Deep Neural NetworkВидеоAutoencoderВидеоDenoising AutoencoderВидеоPrincipal Component AnalysisВидео
14第十四講:Radial Basis Function Network4 материалов

Lectures

RBF Network HypothesisВидеоRBF Network LearningВидеоk-Means AlgorithmВидеоk-Means and RBF Network in ActionВидео
15第十五講:Matrix Factorization4 материалов

Lectures

Linear Network HypothesisВидеоBasic Matrix FactorizationВидеоStochastic Gradient DescentВидеоSummary of Extraction ModelsВидео
16第十六講:Finale5 материалов

Lectures

Feature Exploitation TechniquesВидеоError Optimization TechniquesВидеоOverfitting Elimination TechniquesВидеоMachine Learning in PracticeВидео

Homework

作業四Задание