À propos de ce cours

4,818 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 12 heures pour terminer
Chinois (traditionnel)
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 12 heures pour terminer
Chinois (traditionnel)

Offert par

Placeholder

Université nationale de Taïwan

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

2 heures pour terminer

Concept learning

2 heures pour terminer
6 vidéos (Total 73 min), 2 lectures, 1 quiz
6 vidéos
1-2 Hypotheses ,Relation between Instance Space and Hypotheses14 min
1-3 The Find-S Algorithm10 min
1-4 Version Space and The List-Then Eliminate Algorithm12 min
1-5 The Candidate Elimination Algorithm15 min
1-6 Biased and Unbiased Hypothesis Space, Futility of Bias-Free Learning12 min
2 lectures
NTU MOOC 課程問題詢問與回報機制1 min
課程投影片開放下載公告1 min
1 exercice pour s'entraîner
Week 1 Quiz30 min
Semaine
2

Semaine 2

2 heures pour terminer

Computational Learning Theory

2 heures pour terminer
8 vidéos (Total 120 min)
8 vidéos
2-2 Setting 3, PAC Learnable10 min
2-3 Exhausting the Version Space: Definition, Theorem ,Proof and some examples19 min
2-4 Shatter, Dichotomy, VC dimension14 min
2-5 Some examples and discussion about VC dimension14 min
2-6 Upper and Lower Bounds on Sample Complexity with VC dimension, The Mistake Bound for Algorithms14 min
2-7 Optimal Mistake Bound13 min
2-8 The Weighted-Majority Algorithm and its Bound11 min
1 exercice pour s'entraîner
Week 2 Quiz30 min
Semaine
3

Semaine 3

2 heures pour terminer

Classification

2 heures pour terminer
6 vidéos (Total 114 min)
6 vidéos
3-2 Learning Decision Tree, Information19 min
3-3 Generalization and Overfitting, Kai Square Pruning,Rule Post-Pruning22 min
3-4 Model Evaluation: Metrics for Performance Evaluation, Methods for Model Comparison19 min
3-5 Ensemble: Embedding, Bagging and Boosting13 min
3-6 Support Vector Machine: Optimization, Soft Margins, and Kernel Trick21 min
1 exercice pour s'entraîner
Week 3 Quiz24 min
Semaine
4

Semaine 4

3 heures pour terminer

Neural Network and Deep learning

3 heures pour terminer
9 vidéos (Total 151 min)
9 vidéos
4-2 Single-Layer Network and Perceptron Learning Rule15 min
4-3 Multi-Layer Perceptron, Back Propagation Learning, Decline of ANN10 min
4-4 Cascade Correlation Neural Networks, Deep or Shallow Structure23 min
4-5 Deep Learning: Convolutional Neural Networks17 min
4-6 LeNet 5, Dropout, ReLU and the Variants, Maxout, Residual Net18 min
4-7 Recurrent Networks, Long Short-Term Memory (LSTM), Neural Turing Machine, Memory-Augmented Neural Networks (MANN)15 min
4-8 Autoencoder: Denoising Autoencoder, Stacked Autoencoder and Variational Autoencoder12 min
4-9 Generative Adversarial Net (GAN), AE+GAN and Its Applications16 min
1 exercice pour s'entraîner
Week 4 Quiz16 min

Avis

Meilleurs avis pour 人工智慧:機器學習與理論基礎 (ARTIFICIAL INTELLIGENCE - LEARNING & THEORY)

Voir tous les avis

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.