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

通过 Coursera Plus 提高技能，仅需 239 美元/年（原价 399 美元）。立即节省

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

位教师：于天立

10,874 人已注册

包含在中

了解更多

5个模块

深入了解一个主题并学习基础知识。

62 条评论

中级等级

需要一些相关经验

1 周完成

在 10 小时一周

灵活的计划

自行安排学习进度

5个模块

深入了解一个主题并学习基础知识。

62 条评论

中级等级

需要一些相关经验

1 周完成

在 10 小时一周

灵活的计划

自行安排学习进度

您将获得的技能

您将学习的工具

Classification Algorithms

要了解的详细信息

可分享的证书

添加到您的领英档案

作业

5 项作业

授课语言：中文（繁体）

了解顶级公司的员工如何掌握热门技能

了解关于 Coursera for Business 的更多信息

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

该课程共有5个模块

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

涵盖的内容

6个视频2篇阅读材料1个作业

6个视频总计73分钟

1-1 Brief Introduction to Machine Learning, Learning from Example8分钟
1-2 Hypotheses ,Relation between Instance Space and Hypotheses14分钟
1-3 The Find-S Algorithm11分钟
1-4 Version Space and The List-Then Eliminate Algorithm13分钟
1-5 The Candidate Elimination Algorithm15分钟
1-6 Biased and Unbiased Hypothesis Space, Futility of Bias-Free Learning13分钟

2篇阅读材料总计2分钟

NTU MOOC 課程問題詢問與回報機制1分钟
課程投影片開放下載公告1分钟

1个作业总计30分钟

Week 1 Quiz30分钟

涵盖的内容

8个视频1个作业

8个视频总计120分钟

2-1 Introduction to Computational Learning Theory, Setting of Sample Complexity21分钟
2-2 Setting 3, PAC Learnable11分钟
2-3 Exhausting the Version Space: Definition, Theorem ,Proof and some examples19分钟
2-4 Shatter, Dichotomy, VC dimension15分钟
2-5 Some examples and discussion about VC dimension15分钟
2-6 Upper and Lower Bounds on Sample Complexity with VC dimension, The Mistake Bound for Algorithms15分钟
2-7 Optimal Mistake Bound14分钟
2-8 The Weighted-Majority Algorithm and its Bound11分钟

1个作业总计30分钟

Week 2 Quiz30分钟

涵盖的内容

6个视频1个作业

6个视频总计114分钟

3-1 Decision Trees and its Hypothesis Space17分钟
3-2 Learning Decision Tree, Information20分钟
3-3 Generalization and Overfitting, Kai Square Pruning,Rule Post-Pruning22分钟
3-4 Model Evaluation: Metrics for Performance Evaluation, Methods for Model Comparison20分钟
3-5 Ensemble: Embedding, Bagging and Boosting14分钟
3-6 Support Vector Machine: Optimization, Soft Margins, and Kernel Trick21分钟

1个作业总计24分钟

Week 3 Quiz24分钟

涵盖的内容

9个视频1个作业

9个视频总计151分钟

4-1 Introduction to Neural Network22分钟
4-2 Single-Layer Network and Perceptron Learning Rule16分钟
4-3 Multi-Layer Perceptron, Back Propagation Learning, Decline of ANN10分钟
4-4 Cascade Correlation Neural Networks, Deep or Shallow Structure23分钟
4-5 Deep Learning: Convolutional Neural Networks17分钟
4-6 LeNet 5, Dropout, ReLU and the Variants, Maxout, Residual Net18分钟
4-7 Recurrent Networks, Long Short-Term Memory (LSTM), Neural Turing Machine, Memory-Augmented Neural Networks (MANN)15分钟
4-8 Autoencoder: Denoising Autoencoder, Stacked Autoencoder and Variational Autoencoder12分钟
4-9 Generative Adversarial Net (GAN), AE+GAN and Its Applications16分钟

1个作业总计16分钟

Week 4 Quiz16分钟

涵盖的内容

7个视频1个作业

7个视频总计136分钟

5-1 Basic Term of Markov Decision Process, Sequential Decisions, Policy, Utility22分钟
5-2 Derivation of Bellman Equation20分钟
5-3 Value iteration and Policy Iteration22分钟
5-4 Q-learning, Learning Policy,Simple GLIE Scheme25分钟
5-5 Temporal Difference Algorithm,Generalization12分钟
5-6 Deep Q-learning and Improvement13分钟
5-7 Deep Policy Network, Partially Observable MDP,Summary22分钟

1个作业总计14分钟

Week 5 Quiz14分钟

位教师

授课教师评分

(19个评价)

于天立

National Taiwan University

2 门课程31,831 名学生

提供方

National Taiwan University

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

自 2018开始学习的学生

''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'

Jennifer J.

自 2020开始学习的学生

''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'

Larry W.

自 2021开始学习的学生

''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'

Chaitanya A.

''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'

学生评论

5 stars
75.80%
4 stars
14.51%
3 stars
6.45%
2 stars
0%
1 star
3.22%

显示 3/62 个

已于 Jan 3, 2022审阅

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

已于 Aug 6, 2019审阅

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.

查看更多评论

通过 Coursera Plus 开启新生涯

无限制访问 10,000+ 世界一流的课程、实践项目和就业就绪证书课程 - 所有这些都包含在您的订阅中

了解更多

通过在线学位推动您的职业生涯

获取世界一流大学的学位 - 100% 在线

探索学位

加入超过 3400 家选择 Coursera for Business 的全球公司

提升员工的技能，使其在数字经济中脱颖而出

了解更多

常见问题

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

When you purchase a Certificate you get access to all course materials, including graded assignments. Upon completing the course, your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.