2022年度热门境外开放课程排行榜
31
Sparse Multiscale Gaussian Process Regression[稀疏多尺度高斯过程回归]
Christian Walder(马克斯普朗克研究所) 大多数现有的稀疏高斯过程(g.p.)模型通过将它们的计算基于一组m个基函数来寻求计算优势,所述m个基函数是g.p.的协方差函数。其中一个输入已修复。我们通过使用...
2022年热度:89 总热度:186 转化热度:1
Christian Walder(马克斯普朗克研究所) 大多数现有的稀疏高斯过程(g.p.)模型通过将它们的计算基于一组m个基函数来寻求计算优势,所述m个基函数是g.p.的协方差函数。其中一个输入已修复。我们通过使用...
2022年热度:89 总热度:186 转化热度:1
32
System Dynamics II (MIT)[系统动力学]
Prof. John Sterman;Prof. Hazhir Rahmandad(麻省理工学院) 继续 15.771, 强调在复杂的现实环境中成功应用系统思维和仿真建模所需的工具和方法。使用仿真模型、管理飞行模拟器和案例研究来深化15.871 中引入的概念和建模技...
2022年热度:89 总热度:177 转化热度:39
Prof. John Sterman;Prof. Hazhir Rahmandad(麻省理工学院) 继续 15.771, 强调在复杂的现实环境中成功应用系统思维和仿真建模所需的工具和方法。使用仿真模型、管理飞行模拟器和案例研究来深化15.871 中引入的概念和建模技...
2022年热度:89 总热度:177 转化热度:39
33
Bounding Excess Risk in Machine Learning[机器学习中的边界超额风险]
Vladimir Koltchinskii(佐治亚理工学院) 我们将讨论基于经验风险最小化(可能受到惩罚)的学习算法的超额风险限制问题的一般方法。这一方法是近年来由几位作者(其中包括:马萨特、巴特利特、布斯克和门...
2022年热度:88 总热度:290 转化热度:9
Vladimir Koltchinskii(佐治亚理工学院) 我们将讨论基于经验风险最小化(可能受到惩罚)的学习算法的超额风险限制问题的一般方法。这一方法是近年来由几位作者(其中包括:马萨特、巴特利特、布斯克和门...
2022年热度:88 总热度:290 转化热度:9
34
Density Ratio Estimation in Machine Learning[机器学习中的密度比估计]
Masashi Sugiyama(东京工业大学) 在统计机器学习中,避免密度估计是必要的,因为它往往比解决目标机器学习问题本身更困难。这通常被称为Vapnik原理,而支持向量机是这一原理的成功实现之一。基于...
2022年热度:87 总热度:221 转化热度:5
Masashi Sugiyama(东京工业大学) 在统计机器学习中,避免密度估计是必要的,因为它往往比解决目标机器学习问题本身更困难。这通常被称为Vapnik原理,而支持向量机是这一原理的成功实现之一。基于...
2022年热度:87 总热度:221 转化热度:5
35
Open PHACTS: A Data Platform for Drug Discovery[开放式PHACTS:药物发现的数据平台]
Paul Groth(阿姆斯特丹维利大学) 数据多样性是大数据的关键挑战。这在药物发现领域尤其明显,在该领域中,数据不仅来自多种来源,而且具有多种异质性类型(例如,有关途径,蛋白质,化学物质等的...
2022年热度:87 总热度:217 转化热度:12
Paul Groth(阿姆斯特丹维利大学) 数据多样性是大数据的关键挑战。这在药物发现领域尤其明显,在该领域中,数据不仅来自多种来源,而且具有多种异质性类型(例如,有关途径,蛋白质,化学物质等的...
2022年热度:87 总热度:217 转化热度:12
36
Gaussian Process Implicit Surfaces[高斯过程隐式曲面]
Oliver Williams(微软公司) 计算机视觉和计算机图形学中的许多应用需要曲线和曲面的定义。隐式曲面是一种流行的选择,因为它们是平滑的,可以被已知的几何形状适当地约束,并且不需要对拓扑...
2022年热度:85 总热度:806 转化热度:27
Oliver Williams(微软公司) 计算机视觉和计算机图形学中的许多应用需要曲线和曲面的定义。隐式曲面是一种流行的选择,因为它们是平滑的,可以被已知的几何形状适当地约束,并且不需要对拓扑...
2022年热度:85 总热度:806 转化热度:27
37
Computational Cognitive Science[计算认知科学]
Joshua Tenenbaum(麻省理工学院) 介绍人类认知的计算理论。强调归纳学习和推理的问题,以及知识的表达。研究生学分所需的项目。本课程适合中高级本科生或专攻认知科学,人工智能及相关领域的研究...
2022年热度:83 总热度:308 转化热度:13
Joshua Tenenbaum(麻省理工学院) 介绍人类认知的计算理论。强调归纳学习和推理的问题,以及知识的表达。研究生学分所需的项目。本课程适合中高级本科生或专攻认知科学,人工智能及相关领域的研究...
2022年热度:83 总热度:308 转化热度:13
38
Non-Linear Dynamics[非线性动力学]
Colm Connaughton(华威大学) 对于许多非专业人士来说,非线性、混沌和复杂性的概念在科学话语中经常被混淆在一起。实际上,混沌只是在非线性动力系统中观察到的丰富的重要现象之一。本讲座将...
2022年热度:82 总热度:216 转化热度:30
Colm Connaughton(华威大学) 对于许多非专业人士来说,非线性、混沌和复杂性的概念在科学话语中经常被混淆在一起。实际上,混沌只是在非线性动力系统中观察到的丰富的重要现象之一。本讲座将...
2022年热度:82 总热度:216 转化热度:30
39
Principles of Automatic Control [自动控制原理]
Steven Hall(麻省理工学院) 本课程介绍反馈控制系统的设计应用于各种空气和航天器系统。主题包括反馈系统的特性和优点、时域和频域性能度量、稳定性和稳定性程度、根轨迹法、奈奎斯特准则、...
2022年热度:81 总热度:203 转化热度:56
Steven Hall(麻省理工学院) 本课程介绍反馈控制系统的设计应用于各种空气和航天器系统。主题包括反馈系统的特性和优点、时域和频域性能度量、稳定性和稳定性程度、根轨迹法、奈奎斯特准则、...
2022年热度:81 总热度:203 转化热度:56
40
Density Ratio Estimation in Machine Learning[机器学习中的密度比估计]
Masashi Sugiyama(东京理工大学) 在统计机器学习中,避免密度估计是必要的,因为它通常比解决目标机器学习问题本身更困难。这通常被称为Vapnik原理,而支持向量机就是这一原理的成功实现之一。基...
2022年热度:80 总热度:562 转化热度:44
Masashi Sugiyama(东京理工大学) 在统计机器学习中,避免密度估计是必要的,因为它通常比解决目标机器学习问题本身更困难。这通常被称为Vapnik原理,而支持向量机就是这一原理的成功实现之一。基...
2022年热度:80 总热度:562 转化热度:44