图 书 馆境外开放课程——按学科专业列表
开放课程→工程与技术科学→计算机科学技术→人工智能::
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1Ethics For Engineers: Artificial Intelligence[工程师伦理：人工智能]
Prof. Bernhardt Trout;Daniel Doneson(麻省理工学院) 人工智能 （AI） 及其核心的算法判断正在以惊人的速度发展。这个版本的流行工程师伦理课程侧重于计算机科学最新发展中涉及的伦理问题。
热度：2
Prof. Bernhardt Trout;Daniel Doneson(麻省理工学院) 人工智能 （AI） 及其核心的算法判断正在以惊人的速度发展。这个版本的流行工程师伦理课程侧重于计算机科学最新发展中涉及的伦理问题。
热度：2
2AI 101[人工智能 101]
Brandon Leshchinskiy(麻省理工学院) 机器视觉。数据整理。强化学习。这些术语到底是什么意思？在 AI 101 中，麻省理工学院研究员 Brandon Leshchinskiy 介绍了人工智能，该介绍是专门为那些几乎没有...
热度：5
Brandon Leshchinskiy(麻省理工学院) 机器视觉。数据整理。强化学习。这些术语到底是什么意思？在 AI 101 中，麻省理工学院研究员 Brandon Leshchinskiy 介绍了人工智能，该介绍是专门为那些几乎没有...
热度：5
3RAISE (Responsible AI For Social Empowerment And Education)[用于社会赋权和教育的负责任的人工智能]
MIT RAISE(麻省理工学院) RAISE（社会赋权和教育负责任的人工智能）是麻省理工学院的一项新计划，总部设在麻省理工学院媒体实验室，与麻省理工学院苏世民计算学院和麻省理工学院开放学习...
热度：8
MIT RAISE(麻省理工学院) RAISE（社会赋权和教育负责任的人工智能）是麻省理工学院的一项新计划，总部设在麻省理工学院媒体实验室，与麻省理工学院苏世民计算学院和麻省理工学院开放学习...
热度：8
4Introduction To Deep Learning[深度学习简介]
Alexander Amini;Ava Soleimany(麻省理工学院) 这是麻省理工学院关于深度学习方法的入门课程，可应用于计算机视觉、自然语言处理、生物学等！学生将获得深度学习算法的基础知识，并获得在 TensorFlow 中构建神...
热度：5
Alexander Amini;Ava Soleimany(麻省理工学院) 这是麻省理工学院关于深度学习方法的入门课程，可应用于计算机视觉、自然语言处理、生物学等！学生将获得深度学习算法的基础知识，并获得在 TensorFlow 中构建神...
热度：5
5Social And Ethical Responsibilities Of Computing (SERC)[计算的社会和伦理责任 （SERC）]
Prof. Julie Shah;Prof. David Kaiser(麻省理工学院) 该网站是为麻省理工学院课程开发的 SERC 教学材料的资源。SERC 汇集了由教师、研究人员和学生组成的跨学科团队，开发原创教学材料，以满足我们的目标，即通过结...
热度：9
Prof. Julie Shah;Prof. David Kaiser(麻省理工学院) 该网站是为麻省理工学院课程开发的 SERC 教学材料的资源。SERC 汇集了由教师、研究人员和学生组成的跨学科团队，开发原创教学材料，以满足我们的目标，即通过结...
热度：9
6Day Of AI[人工智能日]
MIT RAISE(麻省理工学院) 该资源旨在通过课程包和教师培训，支持教师和教育工作者在课堂上开展人工智能日活动，所有这些都免费提供给参与者。 该课程由麻省理工学院RAISE的领先教师和...
热度：6
MIT RAISE(麻省理工学院) 该资源旨在通过课程包和教师培训，支持教师和教育工作者在课堂上开展人工智能日活动，所有这些都免费提供给参与者。 该课程由麻省理工学院RAISE的领先教师和...
热度：6
7Brains, Minds And Machines Summer Course[大脑、思想和机器暑期课程]
Prof. Tomaso Poggio;Prof. Gabriel Kreiman(麻省理工学院) 本课程探讨了智能的问题——它的本质、它是如何由大脑产生的，以及它如何在机器中复制——使用一种整合认知科学的方法，研究心灵;神经科学，研究大脑;以及计算机...
热度：15
Prof. Tomaso Poggio;Prof. Gabriel Kreiman(麻省理工学院) 本课程探讨了智能的问题——它的本质、它是如何由大脑产生的，以及它如何在机器中复制——使用一种整合认知科学的方法，研究心灵;神经科学，研究大脑;以及计算机...
热度：15
8WP4: Advanced Image Processing and Deep Learning[WP4：高级图像处理和深度学习]
Franz Rottensteiner(德国汉诺威大学) WP4：高级图像处理和深度学习
热度：11
Franz Rottensteiner(德国汉诺威大学) WP4：高级图像处理和深度学习
热度：11
9Patients-centered care plan based on Big Data and AI technologies[基于大数据和人工智能技术的以患者为中心的护理计划]
Izidor Mlakar(马里博尔大学) 基于大数据和人工智能技术的以患者为中心的护理计划
热度：13
Izidor Mlakar(马里博尔大学) 基于大数据和人工智能技术的以患者为中心的护理计划
热度：13
10Addressing global challenges related to SDGs with AI[利用人工智能应对与可持续发展目标相关的全球挑战]
Mitja Jermol(Jožef Stefan研究所信息技术知识转移中心) 利用人工智能应对与可持续发展目标相关的全球挑战
热度：9
Mitja Jermol(Jožef Stefan研究所信息技术知识转移中心) 利用人工智能应对与可持续发展目标相关的全球挑战
热度：9
11EEG data analysis and AI/ML methods for brain conditions[脑电数据分析和脑状况的AI/ML方法]
Katerina Tzimourta(西马其顿大学) 脑电数据分析和脑状况的AI/ML方法
热度：11
Katerina Tzimourta(西马其顿大学) 脑电数据分析和脑状况的AI/ML方法
热度：11
121314Escaping From Saddle Points --- Online Stochastic Gradient for Tensor Decomposition[逃离鞍点——张量分解的在线随机梯度]
Furong Huang(加州大学欧文分校) 我们分析了优化非凸函数的随机梯度下降。对于非凸函数，通常可以找到一个合理的局部最小值，主要担心的是梯度更新被困在鞍点中。在本文中，我们确定了允许有效优...
热度：10
Furong Huang(加州大学欧文分校) 我们分析了优化非凸函数的随机梯度下降。对于非凸函数，通常可以找到一个合理的局部最小值，主要担心的是梯度更新被困在鞍点中。在本文中，我们确定了允许有效优...
热度：10
15Subspace Learning[子空间学习]
Alessandro Rudi(意大利理工学院) 这项工作处理了在一般希尔伯特空间设置中的线性子空间估计问题。在相同的假设下，我们提供了比现有边界清晰得多的边界。这些边界也与允许做出强有力的进一步假设...
热度：10
Alessandro Rudi(意大利理工学院) 这项工作处理了在一般希尔伯特空间设置中的线性子空间估计问题。在相同的假设下，我们提供了比现有边界清晰得多的边界。这些边界也与允许做出强有力的进一步假设...
热度：10