2023年度热门境外开放课程排行榜

1
PK-Sim 5 for Physiology Based PK modelling: Introduction and Demonstration[基于生理学的PK-sim5模型:介绍和演示]
  Tobias Kanacher(拜耳技术服务有限公司) 基于生理学的药代动力学模型(PBPK)基于大量的生理学知识描述药物在人体内的吸附、分布、代谢和排泄。在PBPK模型的结构中明确地提供了具体的生理信息,例如血流...
2023年热度:494     总热度:1308    转化热度:295

2
2.71 Optics (MIT)[2.71光学(麻省理工学院)]
  Barbastathis, George, Sheppard, Colin, Oh, Se Baek(麻省理工学院) 本课程介绍了基础工程应用的光学科学。几何光学中涉及的主题包括:光线追踪,像差,镜头设计,光圈和光圈,辐射测量和光度测量。波动光学中涉及的主题包括:基本...
2023年热度:267     总热度:608    转化热度:110

3
Welcome[欢迎]
  Steven Lerman;Susan Hockfield(麻省理工学院) 麻省理工学院开放式课程是麻省理工学院的一个理念,也是一个理想,由麻省理工学院的教员共同开发,他们共同承担着促进知识进步的使命,并在科学、技术和其他领域...
2023年热度:236     总热度:450    转化热度:34

4
Lecture 15 - Chemical Reactivity: SOMO, HOMO, and LUMO[第15课-化学反应性:SOMO、HOMO和LUMO]
   J. Michael McBride(耶鲁大学) 麦克布莱德教授首先用先前的“病理性”键和BH3分子的例子来说明化学家如何使用局域键、空位原子轨道和非共享对来理解分子,与基于分子自身总电子密度或计算分子...
2023年热度:229     总热度:514    转化热度:30

5
Topics in Combinatorial Optimization[组合优化]
  Michel Goemans(麻省理工学院) 在这门研究生课程中,我们将涵盖组合优化的高级主题。我们将从非两部分匹配开始,涵盖许多结果,扩展匹配、流和矩阵的基本结果。重点是推导纯组合结果,包括最小...
2023年热度:225     总热度:295    转化热度:34

6
HAADF-STEM imaging: from qualitative to quantitative interpretation of atomic resolution HAADF-STEM images[HAADF-STEM成像:从原子分辨率HAADF-STEM图像的定性到定量解释]
  Miran Čeh(约瑟夫·斯特凡学院) 在我们的演讲中,将给出定性和定量HAADF STEM技术的概述,并通过各种无机陶瓷材料的表征示例进行举例说明,例如CaTiO3 La(Mg,Ti)O3固溶体,GaN蓝色激光二极管...
2023年热度:201     总热度:963    转化热度:21

7
Engineering Metal-Organic Frameworks[工程金属有机框架]
  Paolo Falcaro(格拉茨技术大学) 金属有机骨架(MOFs)是一类由无机节点与有机配体配位而成的超多孔材料。所得自组装晶体具有极高的可及表面积和窄的孔分布。MOF在传感、微电子、能源生产、微流...
2023年热度:199     总热度:201    转化热度:11

8
The Sparse Grid Method[稀疏网格法]
  Jochen Garcke(柏林大学) 稀疏网格法是一种特殊的离散化技术,可以在一定程度上解决维数性的弊端。它基于层次结构和稀疏张量积分解。稀疏网格在过去已经成功地用于求解偏微分方程,而最近...
2023年热度:192     总热度:607    转化热度:53

9
Psych 9A. Lec. 08. Psych Fundamentals: Midterm Review[精神病学9A.Lec。8心理基础:期中复习]
  Thomas Michael D'Zmura(加州大学尔湾分校) UCI Psych 9A:心理基础(2014年冬季)Lec 08。心理基础--期中复习--查看完整课程:http://ocw.uci.edu/courses/psych_9a_心理学_fundamentals.htmlInstructor:T...
2023年热度:183     总热度:186    转化热度:157

10
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...
2023年热度:174     总热度:559    转化热度:44