À propos de ce cours
5,384 consultations récentes

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. 25 heures pour terminer

Recommandé : 7 hours/week...

Chinois (traditionnel)

Sous-titres : Chinois (traditionnel)

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. 25 heures pour terminer

Recommandé : 7 hours/week...

Chinois (traditionnel)

Sous-titres : Chinois (traditionnel)

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
1 heure pour terminer

Concept learning

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2 min
1 exercice pour s'entraîner
Week 1 Quiz10 min
Semaine
2
2 heures pour terminer

Computational Learning Theory

8 vidéos (Total 120 min), 1 quiz
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 Quiz16 min
Semaine
3
2 heures pour terminer

Classification

6 vidéos (Total 114 min), 1 quiz
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
3 heures pour terminer

Neural Network and Deep learning

9 vidéos (Total 151 min), 1 quiz
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
4.8
1 avisChevron Right

Principaux examens pour 人工智慧:機器學習與理論基礎 (Artificial Intelligence - Learning & Theory)

par 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.

Enseignant

Avatar

于天立

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

À propos de Université nationale de Taïwan

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/...

Foire Aux Questions

  • Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.

  • Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.

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