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)
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
6,574 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: 7 hours/week
Chinês (tradicional)
Legendas: Chinês (tradicional)
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.), 1 teste
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.), 1 teste
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.), 1 teste
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
4.8
1 avaliações
Principais avaliações do 人工智慧：機器學習與理論基礎 (Artificial Intelligence - Learning & Theory)
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.
Instrutores
于天立
副教授 (Associate Professor)電機工程學系 (Department of Electrical Engineering)
Sobre 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/
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.
O Coursera proporciona acesso universal à melhor educação do mundo,
fazendo parcerias com as melhores universidades e organizações para oferecer cursos on-line.
© 2020 Coursera Inc. Todos os direitos reservados.
