Über diesen Kurs
18,831 kürzliche Aufrufe

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Ca. 25 Stunden zum Abschließen

Empfohlen: 7 hours/week...

Chinesisch (traditionell)

Untertitel: Chinesisch (traditionell)

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Stufe „Mittel“

Ca. 25 Stunden zum Abschließen

Empfohlen: 7 hours/week...

Chinesisch (traditionell)

Untertitel: Chinesisch (traditionell)

Kursteilnehmer, die sich für Course entscheiden, sind

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

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
1 Stunden zum Abschließen

Concept learning

6 Videos (Gesamt 73 min), 2 Lektüren, 1 Quiz
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 Lektüren
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 praktische Übungen
Week 1 Quiz10m
Woche
2
2 Stunden zum Abschließen

Computational Learning Theory

8 Videos (Gesamt 120 min), 1 Quiz
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 praktische Übungen
Week 2 Quiz16m
Woche
3
2 Stunden zum Abschließen

Classification

6 Videos (Gesamt 114 min), 1 Quiz
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 praktische Übungen
Week 3 Quiz24m
Woche
4
3 Stunden zum Abschließen

Neural Network and Deep learning

9 Videos (Gesamt 151 min), 1 Quiz
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 praktische Übungen
Week 4 Quiz16m
4.8
1 BewertungenChevron Right

Top-Bewertungen von 人工智慧:機器學習與理論基礎 (Artificial Intelligence - Learning & Theory)

von 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.

Dozenten

Avatar

于天立

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

Über National Taiwan University

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/...

Häufig gestellte Fragen

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..