Acerca de este Curso

6,626 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. 11 horas para completar

Chino (tradicional)

Subtítulos: 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. 11 horas para completar

Chino (tradicional)

Subtítulos: Chino (tradicional)

ofrecido por

Logotipo de Universidad Nacional de Taiwán

Universidad Nacional de Taiwán

Programa - Qué aprenderás en este curso

Semana
1

Semana 1

1 hora para completar

Concept learning

1 hora 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2m
1 ejercicio de práctica
Week 1 Quiz10m
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 Quiz16m
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

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.

  • Puedes solicitar un reembolso completo hasta dos semanas después de tu fecha de pago o (para los cursos que se lanzaron recientemente) hasta dos semanas después del comienzo de la primera sesión del curso, lo que ocurra después. No puedes recibir un reembolso luego de obtener un Certificado de curso, aun cuando completes el curso dentro del período de reembolso de dos semanas. Consulta nuestra política de reembolsos completa.

  • Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el vínculo de Ayuda económica que está debajo del botón 'Inscribirse' a la izquierda. Se te pedirá que completes una solicitud y recibirás una notificación cuando se apruebe. Obtén más información.

  • Este Curso no otorga crédito universitario, pero algunas universidades pueden aceptar los Certificados del curso para obtener crédito. Consulta con tu institución para obtener más información. Los Títulos en línea y los Certificados Mastertrack™ de Coursera brindan la oportunidad de obtener créditos universitarios.

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