Acerca de este Curso

4,558 vistas recientes
Certificado para compartir
Obtén un certificado al finalizar
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. 12 horas para completar
Chino (tradicional)
Certificado para compartir
Obtén un certificado al finalizar
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. 12 horas para completar
Chino (tradicional)

ofrecido por

Placeholder

Universidad Nacional de Taiwán

Programa - Qué aprenderás en este curso

Semana
1

Semana 1

2 horas para completar

Concept learning

2 horas para completar
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1m
1 ejercicio de práctica
Week 1 Quiz30m
Semana
2

Semana 2

2 horas para completar

Computational Learning Theory

2 horas para completar
8 videos (Total 120 minutos)
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 Quiz30m
Semana
3

Semana 3

2 horas para completar

Classification

2 horas para completar
6 videos (Total 114 minutos)
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

Semana 4

3 horas para completar

Neural Network and Deep learning

3 horas para completar
9 videos (Total 151 minutos)
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

Reseñas

Principales reseñas sobre 人工智慧:機器學習與理論基礎 (ARTIFICIAL INTELLIGENCE - LEARNING & THEORY)

Ver todas las reseñas

Preguntas Frecuentes

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