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 ТайваняОб этом курсе
Недавно просмотрено: 4,047
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 12 часов на выполнение
Китайский (традиционное письмо)
Субтитры: Китайский (традиционное письмо)
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 12 часов на выполнение
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.
Программа курса: что вы изучите
2 ч. на завершение
Concept learning
2 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1мин
1 практическое упражнение
Week 1 Quiz30мин
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 Quiz30мин
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
Лучшие отзывы о курсе 人工智慧:機器學習與理論基礎 (ARTIFICIAL INTELLIGENCE - LEARNING & THEORY)
от партнера JC6 авг. 2019 г.
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?
Что я получу, оплатив сертификацию?
Is financial aid available?
Остались вопросы? Посетите Центр поддержки учащихся.