本課程第二部分著重在和人工智慧密不可分的機器學習。課程內容包含了機器學習基礎理論（包含 1990 年代發展的VC理論）、分類器（包含決策樹及支援向量機）、神經網路（包含深度學習）及增強式學習（包含深度增強式學習。 此部份技術包含最早追溯至 1950 年代直到最近 2016 年附近的最新發展。此課程從基礎理論開始，簡介了各機器學習主流技法以及從淺層學習架構演變到最近深度架構的轉換。 本課程之核心目標為： （一）使同學對人工智慧相關的機器學習技術有基礎概念 （二）同學能夠理解機器學習基礎理論、分類器、神經網路、增強式學習 （三）同學能將相關技術應用到自己的問題上 修課前，基礎背景知識： 需要的先備知識：計算機概論 建議的先備知識：資料結構與演算法
課程信息
6,703 次近期查看
學習Course的學生是
- Technical Solutions Engineers
- Machine Learning Engineers
- Product Managers
- Data Scientists
- Designers
教學大綱 - 您將從這門課程中學到什麼
週
1完成時間為 1 小時
Concept learning
6 個視頻 （總計 73 分鐘）, 2 個閱讀材料, 1 個測驗
6 個視頻
1-2 Hypotheses ,Relation between Instance Space and Hypotheses14分鐘
1-3 The Find-S Algorithm10分鐘
1-4 Version Space and The List-Then Eliminate Algorithm12分鐘
1-5 The Candidate Elimination Algorithm15分鐘
1-6 Biased and Unbiased Hypothesis Space, Futility of Bias-Free Learning12分鐘
2 個閱讀材料
NTU MOOC 課程問題詢問與回報機制1分鐘
課程投影片開放下載公告2分鐘
1 個練習
Week 1 Quiz10分鐘
週
2完成時間為 2 小時
Computational Learning Theory
8 個視頻 （總計 120 分鐘）, 1 個測驗
8 個視頻
2-2 Setting 3, PAC Learnable10分鐘
2-3 Exhausting the Version Space: Definition, Theorem ,Proof and some examples19分鐘
2-4 Shatter, Dichotomy, VC dimension14分鐘
2-5 Some examples and discussion about VC dimension14分鐘
2-6 Upper and Lower Bounds on Sample Complexity with VC dimension, The Mistake Bound for Algorithms14分鐘
2-7 Optimal Mistake Bound13分鐘
2-8 The Weighted-Majority Algorithm and its Bound11分鐘
1 個練習
Week 2 Quiz16分鐘
週
3完成時間為 2 小時
Classification
6 個視頻 （總計 114 分鐘）, 1 個測驗
6 個視頻
3-2 Learning Decision Tree, Information19分鐘
3-3 Generalization and Overfitting, Kai Square Pruning,Rule Post-Pruning22分鐘
3-4 Model Evaluation: Metrics for Performance Evaluation, Methods for Model Comparison19分鐘
3-5 Ensemble: Embedding, Bagging and Boosting13分鐘
3-6 Support Vector Machine: Optimization, Soft Margins, and Kernel Trick21分鐘
1 個練習
Week 3 Quiz24分鐘
週
4完成時間為 3 小時
Neural Network and Deep learning
9 個視頻 （總計 151 分鐘）, 1 個測驗
9 個視頻
4-2 Single-Layer Network and Perceptron Learning Rule15分鐘
4-3 Multi-Layer Perceptron, Back Propagation Learning, Decline of ANN10分鐘
4-4 Cascade Correlation Neural Networks, Deep or Shallow Structure23分鐘
4-5 Deep Learning: Convolutional Neural Networks17分鐘
4-6 LeNet 5, Dropout, ReLU and the Variants, Maxout, Residual Net18分鐘
4-7 Recurrent Networks, Long Short-Term Memory (LSTM), Neural Turing Machine, Memory-Augmented Neural Networks (MANN)15分鐘
4-8 Autoencoder: Denoising Autoencoder, Stacked Autoencoder and Variational Autoencoder12分鐘
4-9 Generative Adversarial Net (GAN), AE+GAN and Its Applications16分鐘
1 個練習
Week 4 Quiz16分鐘
4.8
1 個審閱來自人工智慧：機器學習與理論基礎 (Artificial Intelligence - Learning & Theory)的熱門評論
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.
講師
于天立
副教授 (Associate Professor)電機工程學系 (Department of Electrical Engineering)
關於 国立台湾大学
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/
常見問題
我什么时候能够访问课程视频和作业？
注册以便获得证书后，您将有权访问所有视频、测验和编程作业（如果适用）。只有在您的班次开课之后，才可以提交和审阅同学互评作业。如果您选择在不购买的情况下浏览课程，可能无法访问某些作业。
我购买证书后会得到什么？
您购买证书后，将有权访问所有课程材料，包括评分作业。完成课程后，您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
退款政策是如何规定的？
有助学金吗？
還有其他問題嗎？請訪問 學生幫助中心。