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
国立台湾大学（National Taiwan University）
シラバス - 本コースの学習内容
週
11時間で修了
Concept learning
6件のビデオ （合計73分）, 2 readings, 1 quiz
6件のビデオ
1-2 Hypotheses ,Relation between Instance Space and Hypotheses14 分
1-3 The Find-S Algorithm10 分
1-4 Version Space and The List-Then Eliminate Algorithm12 分
1-5 The Candidate Elimination Algorithm15 分
1-6 Biased and Unbiased Hypothesis Space, Futility of Bias-Free Learning12 分
2件の学習用教材
NTU MOOC 課程問題詢問與回報機制1 分
課程投影片開放下載公告2 分
1の練習問題
Week 1 Quiz10 分
週
22時間で修了
Computational Learning Theory
8件のビデオ （合計120分）, 1 quiz
8件のビデオ
2-2 Setting 3, PAC Learnable10 分
2-3 Exhausting the Version Space: Definition, Theorem ,Proof and some examples19 分
2-4 Shatter, Dichotomy, VC dimension14 分
2-5 Some examples and discussion about VC dimension14 分
2-6 Upper and Lower Bounds on Sample Complexity with VC dimension, The Mistake Bound for Algorithms14 分
2-7 Optimal Mistake Bound13 分
2-8 The Weighted-Majority Algorithm and its Bound11 分
1の練習問題
Week 2 Quiz16 分
週
32時間で修了
Classification
6件のビデオ （合計114分）, 1 quiz
6件のビデオ
3-2 Learning Decision Tree, Information19 分
3-3 Generalization and Overfitting, Kai Square Pruning,Rule Post-Pruning22 分
3-4 Model Evaluation: Metrics for Performance Evaluation, Methods for Model Comparison19 分
3-5 Ensemble: Embedding, Bagging and Boosting13 分
3-6 Support Vector Machine: Optimization, Soft Margins, and Kernel Trick21 分
1の練習問題
Week 3 Quiz24 分
週
43時間で修了
Neural Network and Deep learning
9件のビデオ （合計151分）, 1 quiz
9件のビデオ
4-2 Single-Layer Network and Perceptron Learning Rule15 分
4-3 Multi-Layer Perceptron, Back Propagation Learning, Decline of ANN10 分
4-4 Cascade Correlation Neural Networks, Deep or Shallow Structure23 分
4-5 Deep Learning: Convolutional Neural Networks17 分
4-6 LeNet 5, Dropout, ReLU and the Variants, Maxout, Residual Net18 分
4-7 Recurrent Networks, Long Short-Term Memory (LSTM), Neural Turing Machine, Memory-Augmented Neural Networks (MANN)15 分
4-8 Autoencoder: Denoising Autoencoder, Stacked Autoencoder and Variational Autoencoder12 分
4-9 Generative Adversarial Net (GAN), AE+GAN and Its Applications16 分
1の練習問題
Week 4 Quiz16 分
講師
于天立
副教授 (Associate Professor)電機工程學系 (Department of Electrical Engineering)
国立台湾大学（National Taiwan University）について
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/
よくある質問
いつ講座や課題にアクセスできるようになりますか？
修了証に登録すると、すべてのビデオ、テスト、およびプログラミング課題（該当する場合）にアクセスできます。ピアレビュー課題は、セッションが開始してからのみ、提出およびレビューできます。購入せずにコースを検討することを選択する場合、特定の課題にアクセスすることはできません。
修了証を購入すると何を行えるようになりますか？
修了証を購入する際、コースのすべての教材（採点課題を含む）にアクセスできます。コースを完了すると、電子修了証が成果のページに追加されます。そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。
返金ポリシーについて教えてください。
学資援助はありますか？
さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。
コーセラは、世界トップクラスの教育を世界中に配信しています。
最高峰の大学や組織とのパートナーシップに基づくオンラインコースが提供されています。
© 2019 Coursera (株)すべての権利予約します。
