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。
oferecido por
人工智慧：機器學習與理論基礎 (Artificial Intelligence - Learning & Theory)
Universidade Nacional de Taiwan
Informações sobre o curso
6,944 visualizações recentes
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 26 horas para completar
Sugerido: 8 hours/week
Chinês (tradicional)
Legendas: Chinês (tradicional)
oferecido por
Universidade Nacional de Taiwan
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/
Programa - O que você aprenderá com este curso
1 hora para concluir
Concept learning
1 hora 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2min
1 exercício prático
Week 1 Quiz10min
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 Quiz16min
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
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
4.8
Principais avaliações do 人工智慧：機器學習與理論基礎 (ARTIFICIAL INTELLIGENCE - LEARNING & THEORY)
por 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.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.
O que recebo ao adquirir o Certificado?
Quando você adquire o Certificado, ganha acesso a todo o material do curso, incluindo avaliações com nota atribuída. Após concluir o curso, seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Qual é a política de reembolso?
Existe algum auxílio financeiro disponível?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
