Acerca de este Curso
5,587 vistas recientes

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Nivel intermedio

Aprox. 25 horas para completar

Sugerido: 7 hours/week...

Chino (tradicional)

Subtítulos: Chino (tradicional)

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Nivel intermedio

Aprox. 25 horas para completar

Sugerido: 7 hours/week...

Chino (tradicional)

Subtítulos: Chino (tradicional)

Los estudiantes que toman este Course son

  • Technical Solutions Engineers
  • Machine Learning Engineers
  • Data Scientists
  • Product Managers
  • Designers

Programa - Qué aprenderás en este curso

Semana
1
1 hora para completar

Concept learning

6 videos (Total 73 minutos), 2 lecturas, 1 cuestionario
6 videos
1-2 Hypotheses ,Relation between Instance Space and Hypotheses14m
1-3 The Find-S Algorithm10m
1-4 Version Space and The List-Then Eliminate Algorithm12m
1-5 The Candidate Elimination Algorithm15m
1-6 Biased and Unbiased Hypothesis Space, Futility of Bias-Free Learning12m
2 lecturas
NTU MOOC 課程問題詢問與回報機制1m
課程投影片開放下載公告2m
1 ejercicio de práctica
Week 1 Quiz10m
Semana
2
2 horas para completar

Computational Learning Theory

8 videos (Total 120 minutos), 1 cuestionario
8 videos
2-2 Setting 3, PAC Learnable10m
2-3 Exhausting the Version Space: Definition, Theorem ,Proof and some examples19m
2-4 Shatter, Dichotomy, VC dimension14m
2-5 Some examples and discussion about VC dimension14m
2-6 Upper and Lower Bounds on Sample Complexity with VC dimension, The Mistake Bound for Algorithms14m
2-7 Optimal Mistake Bound13m
2-8 The Weighted-Majority Algorithm and its Bound11m
1 ejercicio de práctica
Week 2 Quiz16m
Semana
3
2 horas para completar

Classification

6 videos (Total 114 minutos), 1 cuestionario
6 videos
3-2 Learning Decision Tree, Information19m
3-3 Generalization and Overfitting, Kai Square Pruning,Rule Post-Pruning22m
3-4 Model Evaluation: Metrics for Performance Evaluation, Methods for Model Comparison19m
3-5 Ensemble: Embedding, Bagging and Boosting13m
3-6 Support Vector Machine: Optimization, Soft Margins, and Kernel Trick21m
1 ejercicio de práctica
Week 3 Quiz24m
Semana
4
3 horas para completar

Neural Network and Deep learning

9 videos (Total 151 minutos), 1 cuestionario
9 videos
4-2 Single-Layer Network and Perceptron Learning Rule15m
4-3 Multi-Layer Perceptron, Back Propagation Learning, Decline of ANN10m
4-4 Cascade Correlation Neural Networks, Deep or Shallow Structure23m
4-5 Deep Learning: Convolutional Neural Networks17m
4-6 LeNet 5, Dropout, ReLU and the Variants, Maxout, Residual Net18m
4-7 Recurrent Networks, Long Short-Term Memory (LSTM), Neural Turing Machine, Memory-Augmented Neural Networks (MANN)15m
4-8 Autoencoder: Denoising Autoencoder, Stacked Autoencoder and Variational Autoencoder12m
4-9 Generative Adversarial Net (GAN), AE+GAN and Its Applications16m
1 ejercicio de práctica
Week 4 Quiz16m
4.8
1 revisionesChevron Right

Principales revisiones sobre 人工智慧:機器學習與理論基礎 (Artificial Intelligence - Learning & Theory)

por JCAug 7th 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.

Instructor

Avatar

于天立

副教授 (Associate Professor)
電機工程學系 (Department of Electrical Engineering)

Acerca de Universidad Nacional de Taiwán

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/...

Preguntas Frecuentes

  • Una vez que te inscribes para obtener un Certificado, tendrás acceso a todos los videos, cuestionarios y tareas de programación (si corresponde). Las tareas calificadas por compañeros solo pueden enviarse y revisarse una vez que haya comenzado tu sesión. Si eliges explorar el curso sin comprarlo, es posible que no puedas acceder a determinadas tareas.

  • Cuando compras un Certificado, obtienes acceso a todos los materiales del curso, incluidas las tareas calificadas. Una vez que completes el curso, se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes participar del curso como oyente sin costo.

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.