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。
от партнера
人工智慧：機器學習與理論基礎 (Artificial Intelligence - Learning & Theory)
Национальный университет Тайваня
Об этом курсе
Недавно просмотрено: 6,783
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень
Прибл. 26 часа на выполнение
Предполагаемая нагрузка: 8 hours/week
Китайский (традиционное письмо)
Субтитры: Китайский (традиционное письмо)
от партнера
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/
Программа курса: что вы изучите
1 ч. на завершение
Concept learning
1 ч. на завершение
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
2 ч. на завершение
Computational Learning Theory
2 ч. на завершение
8 видео ((всего 120 мин.))
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
2 ч. на завершение
Classification
2 ч. на завершение
6 видео ((всего 114 мин.))
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
3 ч. на завершение
Neural Network and Deep learning
3 ч. на завершение
9 видео ((всего 151 мин.))
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
Рецензии
4.8
Лучшие отзывы о курсе 人工智慧：機器學習與理論基礎 (ARTIFICIAL INTELLIGENCE - LEARNING & THEORY)
от партнера JCAug 6, 2019
整體上, 是值得推薦的入門課程, 把machine learning的基本課程與熱門的topics提出來講. 習題的內容算簡單, 大部份在檢驗觀念.
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.
