本課程第二部分著重在和人工智慧密不可分的機器學習。課程內容包含了機器學習基礎理論（包含 1990 年代發展的VC理論）、分類器（包含決策樹及支援向量機）、神經網路（包含深度學習）及增強式學習（包含深度增強式學習。
此部份技術包含最早追溯至 1950 年代直到最近 2016 年附近的最新發展。此課程從基礎理論開始，簡介了各機器學習主流技法以及從淺層學習架構演變到最近深度架構的轉換。
本課程之核心目標為：
（一）使同學對人工智慧相關的機器學習技術有基礎概念
（二）同學能夠理解機器學習基礎理論、分類器、神經網路、增強式學習
（三）同學能將相關技術應用到自己的問題上
修課前，基礎背景知識：
需要的先備知識：計算機概論
建議的先備知識：資料結構與演算法
人工智慧：機器學習與理論基礎 (Artificial Intelligence - Learning & Theory)
от партнера
3,428 уже зарегистрированы!
Национальный университет Тайваня
Программа курса: что вы изучите
Неделя
11 ч. на завершение
Concept learning
6 видео ((всего 73 мин.)), 2 материалов для самостоятельного изучения, 1 тест
6 видео
1-2 Hypotheses ,Relation between Instance Space and Hypotheses14мин
1-3 The Find-S Algorithm10мин
1-4 Version Space and The List-Then Eliminate Algorithm12мин
1-5 The Candidate Elimination Algorithm15мин
1-6 Biased and Unbiased Hypothesis Space, Futility of Bias-Free Learning12мин
2 материала для самостоятельного изучения
NTU MOOC 課程問題詢問與回報機制1мин
課程投影片開放下載公告2мин
1 практическое упражнение
Week 1 Quiz10мин
Неделя
22 ч. на завершение
Computational Learning Theory
8 видео ((всего 120 мин.)), 1 тест
8 видео
2-2 Setting 3, PAC Learnable10мин
2-3 Exhausting the Version Space: Definition, Theorem ,Proof and some examples19мин
2-4 Shatter, Dichotomy, VC dimension14мин
2-5 Some examples and discussion about VC dimension14мин
2-6 Upper and Lower Bounds on Sample Complexity with VC dimension, The Mistake Bound for Algorithms14мин
2-7 Optimal Mistake Bound13мин
2-8 The Weighted-Majority Algorithm and its Bound11мин
1 практическое упражнение
Week 2 Quiz16мин
Неделя
32 ч. на завершение
Classification
6 видео ((всего 114 мин.)), 1 тест
6 видео
3-2 Learning Decision Tree, Information19мин
3-3 Generalization and Overfitting, Kai Square Pruning,Rule Post-Pruning22мин
3-4 Model Evaluation: Metrics for Performance Evaluation, Methods for Model Comparison19мин
3-5 Ensemble: Embedding, Bagging and Boosting13мин
3-6 Support Vector Machine: Optimization, Soft Margins, and Kernel Trick21мин
1 практическое упражнение
Week 3 Quiz24мин
Неделя
43 ч. на завершение
Neural Network and Deep learning
9 видео ((всего 151 мин.)), 1 тест
9 видео
4-2 Single-Layer Network and Perceptron Learning Rule15мин
4-3 Multi-Layer Perceptron, Back Propagation Learning, Decline of ANN10мин
4-4 Cascade Correlation Neural Networks, Deep or Shallow Structure23мин
4-5 Deep Learning: Convolutional Neural Networks17мин
4-6 LeNet 5, Dropout, ReLU and the Variants, Maxout, Residual Net18мин
4-7 Recurrent Networks, Long Short-Term Memory (LSTM), Neural Turing Machine, Memory-Augmented Neural Networks (MANN)15мин
4-8 Autoencoder: Denoising Autoencoder, Stacked Autoencoder and Variational Autoencoder12мин
4-9 Generative Adversarial Net (GAN), AE+GAN and Its Applications16мин
1 практическое упражнение
Week 4 Quiz16мин
Преподаватели
于天立
副教授 (Associate Professor)電機工程學系 (Department of Electrical Engineering)
О Национальный университет Тайваня
We firmly believe that open access to learning is a powerful socioeconomic equalizer. NTU is especially delighted to join other world-class universities on Coursera and to offer quality university courses to the Chinese-speaking population. We hope to transform the rich rewards of learning from a limited commodity to an experience available to all. More courses information, the official Facebook Page: https://www.facebook.com/ntumooc2017/
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
Что я получу, оплатив сертификацию?
Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2019 Все права защищены.
