|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/ai2
课程评论：没有评论
課程名稱：人工智慧：機器學習與理論基礎 課程概述： 本課程的第二部分專注於與人工智慧息息相關的機器學習。內容涵蓋機器學習的基礎理論，包括1990年代發展的VC理論、各種分類器（如決策樹和支援向量機）、神經網路（包含深度學習）以及增強式學習（包括深度增強式學習）。這些技術的起源可以追溯到1950年代，並延續到2016年附近的最新發展。 課程的核心目標為： 1. 使同學對人工智慧相關的機器學習技術建立基本概念。 2. 幫助同學理解機器學習的基礎理論、分類器、神經網路及增強式學習。 3. 使同學能夠有效應用相關技術於自我解決的問題上。 修課前的基礎背景知識： - 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 課程大綱： - 概念學習 - 計算學習理論 - 分類 - 神經網路與深度學習 - 增強式學習 此課程適合對人工智慧及其機器學習技術有興趣的學習者，幫助大家掌握從基礎到最新技術的全貌。
Name:Concept learning
Description:
Name:Computational Learning Theory
Description:
Name:Classification
Description:
Name:Neural Network and Deep learning
Description:
Name:Reinforcement learning
Description:
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
