你将学到什么
（一）使同学对人工智慧相关的机器学习技术有基础概念
（二）同学能够理解机器学习基础理论、分类器、神经网路、增强式学习
（三）同学能将相关技术应用到自己的问题上
课程概况
本课程第二部分着重在和人工智慧密不可分的机器学习。课程内容包含了机器学习基础理论（包含1990 年代发展的VC理论）、分类器（包含决策树及支援向量机）、神经网路（包含深度学习）及增强式学习（包含深度增强式学习。
此部份技术包含最早追溯至1950 年代直到最近2016 年附近的最新发展。此课程从基础理论开始，简介了各机器学习主流技法以及从浅层学习架构演变到最近深度架构的转换。
课程大纲
周1
完成时间为1 小时
Concept learning
6个视频（总计73分钟） , 2个阅读材料, 1个测验
周2
完成时间为2 小时
Computational Learning Theory
8个视频（总计120分钟）, 1 个测验
周3
完成时间为2 小时
Classification
6个视频（总计114分钟）, 1 个测验
周4
完成时间为3 小时
Neural Network and Deep learning
9个视频（总计151分钟）, 1 个测验
周5
完成时间为3 小时
Reinforcement learning
7个视频（总计136分钟）, 1 个测验
预备知识
需要的先备知识：计算机概论
建议的先备知识：资料结构与演算法
同类课程
IBM 人工智能工程专业证书
IBM
人工智能工作流程：企业模型部署
IBM
基于Google云平台的TensorFlow无服务器机器学习 – 法语版
Google 云端平台
