Informações sobre o curso

3,621 visualizações recentes
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 12 horas para completar
Chinês (tradicional)
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 12 horas para completar
Chinês (tradicional)

oferecido por

Placeholder

Universidade Nacional de Taiwan

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

2 horas para concluir

Concept learning

2 horas para concluir
6 vídeos (Total 73 mín.), 2 leituras, 1 teste
6 videos
1-2 Hypotheses ,Relation between Instance Space and Hypotheses14min
1-3 The Find-S Algorithm10min
1-4 Version Space and The List-Then Eliminate Algorithm12min
1-5 The Candidate Elimination Algorithm15min
1-6 Biased and Unbiased Hypothesis Space, Futility of Bias-Free Learning12min
2 leituras
NTU MOOC 課程問題詢問與回報機制1min
課程投影片開放下載公告1min
1 exercício prático
Week 1 Quiz30min
Semana
2

Semana 2

2 horas para concluir

Computational Learning Theory

2 horas para concluir
8 vídeos (Total 120 mín.)
8 videos
2-2 Setting 3, PAC Learnable10min
2-3 Exhausting the Version Space: Definition, Theorem ,Proof and some examples19min
2-4 Shatter, Dichotomy, VC dimension14min
2-5 Some examples and discussion about VC dimension14min
2-6 Upper and Lower Bounds on Sample Complexity with VC dimension, The Mistake Bound for Algorithms14min
2-7 Optimal Mistake Bound13min
2-8 The Weighted-Majority Algorithm and its Bound11min
1 exercício prático
Week 2 Quiz30min
Semana
3

Semana 3

2 horas para concluir

Classification

2 horas para concluir
6 vídeos (Total 114 mín.)
6 videos
3-2 Learning Decision Tree, Information19min
3-3 Generalization and Overfitting, Kai Square Pruning,Rule Post-Pruning22min
3-4 Model Evaluation: Metrics for Performance Evaluation, Methods for Model Comparison19min
3-5 Ensemble: Embedding, Bagging and Boosting13min
3-6 Support Vector Machine: Optimization, Soft Margins, and Kernel Trick21min
1 exercício prático
Week 3 Quiz24min
Semana
4

Semana 4

3 horas para concluir

Neural Network and Deep learning

3 horas para concluir
9 vídeos (Total 151 mín.)
9 videos
4-2 Single-Layer Network and Perceptron Learning Rule15min
4-3 Multi-Layer Perceptron, Back Propagation Learning, Decline of ANN10min
4-4 Cascade Correlation Neural Networks, Deep or Shallow Structure23min
4-5 Deep Learning: Convolutional Neural Networks17min
4-6 LeNet 5, Dropout, ReLU and the Variants, Maxout, Residual Net18min
4-7 Recurrent Networks, Long Short-Term Memory (LSTM), Neural Turing Machine, Memory-Augmented Neural Networks (MANN)15min
4-8 Autoencoder: Denoising Autoencoder, Stacked Autoencoder and Variational Autoencoder12min
4-9 Generative Adversarial Net (GAN), AE+GAN and Its Applications16min
1 exercício prático
Week 4 Quiz16min

Avaliações

Principais avaliações do 人工智慧:機器學習與理論基礎 (ARTIFICIAL INTELLIGENCE - LEARNING & THEORY)

Visualizar todas as avaliações

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.