课程主页: https://www.coursera.org/learn/ntumlone-mathematicalfoundations
機器學習正迅速成為當今科技界最重要的工具之一。在這方面，Coursera 上的‘機器學習基石上——數學基礎’課程是一個不可錯過的學習機會。這門課程旨在幫助學習者了解機器學習的基本數學工具，這些工具對於要進一步發展算法及實務理解至關重要。
考慮到日新月異的科技進步，讓我們來看看這門課程所涵蓋的主要內容及其特點。
課程大綱概覽：
- 第一講：學習問題
什麼是機器學習？這一講闡述了機器學習與其他領域應用之間的連接。
- 第二講：學習到判斷是/否
介紹了人類首個、也是世界上的第一個學習算法，讓學生們直觀地理解基於數據給出的好的機器學習解決方案如何“畫出”區分是與否的邊界。
- 第三講：學習的種類
探索了學習在各個應用中的各種可能性，重點集中在批量監督數據下的二元分類或回歸上。
- 第四講：學習的可行性
這一部分通過足夠的統計數據和有限假設來討論學習的“可能近似正確性”。
- 第五講：訓練與測試
當選擇假設時，我們在訓練中所付出什麼，學習有效選擇數量的增長函數也在此部分中當仁不讓。
- 第六講：函數泛化理論
當數據充分且增長函數增長得不快時，測試誤差可以近似於訓練誤差。
- 第七講：VC維度
智能學習的必要條件包含有限模型的複雜性（稱為VC維度）、足夠的數據，以及低訓練誤差。
- 第八講：噪聲與誤差
即便在存在噪音的環境中，學習仍然可以進行，並且差異化的誤差措施也需要獲得理解。
我的總體評價：這門課的薈萃讓學習變得簡單且互動性強。無論您是初學者還是想要加深機器學習領域的理解者，都能從中獲益匪淺。此外，它還規劃了緊湊卻全面的涵蓋範圍，非常適合忙碌的學生朋友們。
推薦理由：我強烈建議任何對於數據科學或人工智能感興趣的人參加這門課程。例如，如果你想要轉職到工程學或科學領域，這門課程會是你邁出的第一步。
趁現在藉著 Coursera 學習這門基礎課程，你不僅能夠理解機器學習的準則，更能夠扎實資訊科技的理論根基。
课程主页: https://www.coursera.org/learn/ntumlone-mathematicalfoundations