4.6
星
45 個評分

于天立

8,261 人已註冊

提供方

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

国立台湾大学

課程信息

2,727 次近期查看

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

可靈活調整截止日期

根據您的日程表重置截止日期。

可分享的證書

完成後獲得證書

100% 在線

立即開始，按照自己的計劃學習。

中級

完成時間大約為12 小時

中文（繁體）

字幕：中文（繁體）

可靈活調整截止日期

根據您的日程表重置截止日期。

可分享的證書

完成後獲得證書

100% 在線

立即開始，按照自己的計劃學習。

中級

完成時間大約為12 小時

中文（繁體）

字幕：中文（繁體）

授課教師

授課教師評分

4.8/5 （11 個評分）

于天立

副教授 (Associate Professor)

電機工程學系 (Department of Electrical Engineering)

25,430 個學生

2 門課程

提供方

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.

授課大綱 - 您將從這門課程中學到什麼

週

週 1

完成時間為 2 小時

Concept learning

完成時間為 2 小時

6 個視頻（總計 73 分鐘）, 2 個閱讀材料, 1 個測驗

6 個視頻

1-1 Brief Introduction to Machine Learning, Learning from Example8分鐘

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1分鐘

1 個練習

Week 1 Quiz30分鐘

週

週 2

完成時間為 2 小時

Computational Learning Theory

完成時間為 2 小時

8 個視頻（總計 120 分鐘）

8 個視頻

2-1 Introduction to Computational Learning Theory, Setting of Sample Complexity20分鐘

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 Quiz30分鐘

週

週 3

完成時間為 2 小時

Classification

完成時間為 2 小時

6 個視頻（總計 114 分鐘）

6 個視頻

3-1 Decision Trees and its Hypothesis Space17分鐘

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

週 4

完成時間為 3 小時

Neural Network and Deep learning

完成時間為 3 小時

9 個視頻（總計 151 分鐘）

9 個視頻

4-1 Introduction to Neural Network22分鐘

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

審閱

4.6

6 條評論

5 stars
76.59%
4 stars
14.89%
3 stars
6.38%
1 star
2.12%

來自人工智慧：機器學習與理論基礎 (ARTIFICIAL INTELLIGENCE - LEARNING & THEORY)的熱門評論

由 KJ 提供2022年1月3日

Professor Ding's teaching is conscientious and the lectures are clearly explained

由 EC 提供2019年8月6日

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.

查看所有評論

常見問題

我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
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。
有助学金吗？
是的。如果您负担不起学习计划的注册费，则可以在选择学习计划时申请助学金或奖学金。如果您选择的学习计划提供助学金或奖学金，则您将在描述页面上看到一个申请链接。

還有其他問題嗎？請訪問學生幫助中心。

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

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

課程信息

授課教師

于天立

提供方

国立台湾大学

授課大綱 - 您將從這門課程中學到什麼

週 1

Concept learning

週 2

Computational Learning Theory

週 3

Classification

週 4

Neural Network and Deep learning

週 5

Reinforcement learning

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

常見問題

開拓職業生涯或促進職業發展

瀏覽熱門主題

熱門課程和文章

在線獲得學位或證書

Coursera

社區

更多

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

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

課程信息

授課教師

于天立

提供方

国立台湾大学

授課大綱 - 您將從這門課程中學到什麼

週 1

Concept learning

週 2

Computational Learning Theory

週 3

Classification

週 4

Neural Network and Deep learning

週 5

Reinforcement learning

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

常見問題

Coursera Footer

開拓職業生涯或促進職業發展

瀏覽熱門主題

熱門課程和文章

在線獲得學位或證書

Coursera

社區

更多