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)

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

Logotipo de Universidade Nacional de Taiwan

Universidade Nacional de Taiwan

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

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
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 Quiz16min
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

  • 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.

  • 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.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.