К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
人工智慧：機器學習與理論基礎 (Artificial Intelligence - Learning & Theory) · LearnSpace
Назад в каталог
courseraАнализ данных

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

Курс от National Taiwan University
Средний≈ 11.8 чКитайский (Тайвань)
О курсеНавыкиПрограммаПреподаватели

О курсе

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

Навыки, которые вы освоите

Machine Learning AlgorithmsMachine LearningConvolutional Neural NetworksDecision Tree LearningReinforcement LearningArtificial IntelligenceAutoencodersArtificial Intelligence and Machine Learning (AI/ML)Classification AlgorithmsGenerative AIDeep LearningTheoretical Computer ScienceArtificial Neural NetworksSupervised LearningNetwork ArchitectureMachine Learning MethodsModel EvaluationComputer ScienceAlgorithmsApplied Machine Learning

Программа курса

5 модулей · 43 учебных материалов

01Concept learning9 материалов

1.CONCEPT LEARNING

NTU MOOC 課程問題詢問與回報機制Чтение課程投影片開放下載公告Чтение1-1 Brief Introduction to Machine Learning, Learning from ExampleВидео1-2 Hypotheses ,Relation between Instance Space and HypothesesВидео

Учитесь у экспертов

于天立

副教授 (Associate Professor)

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

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 11.8 ч

5 модулей

Язык: Китайский (Тайвань)

Часть программы вашего университета
1-3 The Find-S AlgorithmВидео
1-4 Version Space and The List-Then Eliminate AlgorithmВидео
1-5 The Candidate Elimination AlgorithmВидео
1-6 Biased and Unbiased Hypothesis Space, Futility of Bias-Free LearningВидео

課後測驗

Week 1 QuizЗадание
02Computational Learning Theory9 материалов

2. Computational Learning Theory

2-1 Introduction to Computational Learning Theory, Setting of Sample ComplexityВидео2-2 Setting 3, PAC LearnableВидео2-3 Exhausting the Version Space: Definition, Theorem ,Proof and some examplesВидео2-4 Shatter, Dichotomy, VC dimensionВидео2-5 Some examples and discussion about VC dimensionВидео2-6 Upper and Lower Bounds on Sample Complexity with VC dimension, The Mistake Bound for AlgorithmsВидео2-7 Optimal Mistake BoundВидео2-8 The Weighted-Majority Algorithm and its BoundВидео

課後測驗

Week 2 QuizЗадание
03Classification7 материалов

3. Classification

3-1 Decision Trees and its Hypothesis SpaceВидео3-2 Learning Decision Tree, InformationВидео3-3 Generalization and Overfitting, Kai Square Pruning,Rule Post-PruningВидео3-4 Model Evaluation: Metrics for Performance Evaluation, Methods for Model ComparisonВидео3-5 Ensemble: Embedding, Bagging and BoostingВидео3-6 Support Vector Machine: Optimization, Soft Margins, and Kernel TrickВидео

課後測驗

Week 3 QuizЗадание
04Neural Network and Deep learning10 материалов

4. Neural network and Deep learning

4-1 Introduction to Neural NetworkВидео4-2 Single-Layer Network and Perceptron Learning RuleВидео4-3 Multi-Layer Perceptron, Back Propagation Learning, Decline of ANNВидео4-4 Cascade Correlation Neural Networks, Deep or Shallow StructureВидео4-5 Deep Learning: Convolutional Neural NetworksВидео4-6 LeNet 5, Dropout, ReLU and the Variants, Maxout, Residual NetВидео4-7 Recurrent Networks, Long Short-Term Memory (LSTM), Neural Turing Machine, Memory-Augmented Neural Networks (MANN)Видео4-8 Autoencoder: Denoising Autoencoder, Stacked Autoencoder and Variational AutoencoderВидео4-9 Generative Adversarial Net (GAN), AE+GAN and Its ApplicationsВидео

課後測驗

Week 4 QuizЗадание
05Reinforcement learning8 материалов

5. Reinforcement learning

5-1 Basic Term of Markov Decision Process, Sequential Decisions, Policy, UtilityВидео5-2 Derivation of Bellman EquationВидео5-3 Value iteration and Policy IterationВидео5-4 Q-learning, Learning Policy,Simple GLIE SchemeВидео5-5 Temporal Difference Algorithm,GeneralizationВидео5-6 Deep Q-learning and ImprovementВидео5-7 Deep Policy Network, Partially Observable MDP,SummaryВидео

課後測驗

Week 5 QuizЗадание