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::
1
An introduction to artificial intelligence[人工智能导论]
() 人工智能(AI)代表着巨大的机遇,但也对现代社会和文化造成了重大破坏。这个免费的在线短期课程调查了围绕这项技术的历史、伦理和社会问题。它的目标人群是有兴...
热度:2
() 人工智能(AI)代表着巨大的机遇,但也对现代社会和文化造成了重大破坏。这个免费的在线短期课程调查了围绕这项技术的历史、伦理和社会问题。它的目标人群是有兴...
热度:2
2
Extracting references from political speech auto-transcripts[从政治演讲自动记录中提取参考文献]
Brandon Roberts(KDD 2017研讨会) 本文提出了一种无监督的方法来计算嘈杂的自转录政治演讲中的引用。使用学习到的嵌入对转录进行矢量化,然后使用k-means对其进行聚类,得到表示文本中高度细粒度...
热度:3
Brandon Roberts(KDD 2017研讨会) 本文提出了一种无监督的方法来计算嘈杂的自转录政治演讲中的引用。使用学习到的嵌入对转录进行矢量化,然后使用k-means对其进行聚类,得到表示文本中高度细粒度...
热度:3
3
54 - Dual Sequential Variational Autoencoders For Fraud Detection[54-用于欺诈检测的双顺序变分自动编码器]
(IDA 2020) 54-用于欺诈检测的双顺序变分自动编码器
热度:11
(IDA 2020) 54-用于欺诈检测的双顺序变分自动编码器
热度:11
4
18 - Digital footporints of international migration on Twitter[18-推特上国际移民的数字足迹]
(IDA 2020) 18-推特上国际移民的数字足迹
热度:2
(IDA 2020) 18-推特上国际移民的数字足迹
热度:2
5
62 - A Principled Approach to Analyze Expressiveness and Accuracy of Graph Neural Networks presentation[62-一种分析图神经网络表示的表达性和准确性的原则性方法]
(IDA 2020) 62-一种分析图神经网络表示的表达性和准确性的原则性方法
热度:13
(IDA 2020) 62-一种分析图神经网络表示的表达性和准确性的原则性方法
热度:13
6
58 - Actionable Subgroup Discovery and Urban Farm Optimization[58-可操作的子组发现和城市农场优化]
(IDA 2020) 58-可操作的子组发现和城市农场优化
热度:3
(IDA 2020) 58-可操作的子组发现和城市农场优化
热度:3
7
Preparing for your digital life in the 21st Century[为21世纪的数字生活做准备]
() 这门免费课程《为21世纪的数字生活做准备》概述了数字技术是如何主导现代世界的方方面面的,并为如何为这种数字生活做准备提供了一些指导。它还对典型计算机的内...
热度:6
() 这门免费课程《为21世纪的数字生活做准备》概述了数字技术是如何主导现代世界的方方面面的,并为如何为这种数字生活做准备提供了一些指导。它还对典型计算机的内...
热度:6
8
82 - Even Faster Exact k-Means Clustering (Part 1 - Short Version, Part 2 - Full Version)[更快的精确k-均值聚类]
(IDA 2020) 82-更快的精确k-均值聚类(第1部分-简短版本,第2部分-完整版本)
热度:4
(IDA 2020) 82-更快的精确k-均值聚类(第1部分-简短版本,第2部分-完整版本)
热度:4
9
28 - A Late-fusion Approach to Community Detection in Attributed Networks[28-一种用于属性网络中社区检测的后期融合方法]
(IDA 2020) 28-一种用于属性网络中社区检测的后期融合方法
热度:5
(IDA 2020) 28-一种用于属性网络中社区检测的后期融合方法
热度:5
10
11
87 - Angle-based Crowding Degree Estimation for Many-Objective Optimization[87-基于角度的多目标优化拥挤度估计]
(IDA 2020) 87-基于角度的多目标优化拥挤度估计
热度:6
(IDA 2020) 87-基于角度的多目标优化拥挤度估计
热度:6
12
13
14
31 - Comparing the preservation of network properties by graph embeddings[31-通过图嵌入比较网络属性的保存]
(IDA 2020) 31-通过图嵌入比较网络属性的保存
热度:4
(IDA 2020) 31-通过图嵌入比较网络属性的保存
热度:4
15
77 - Improving Prediction with Casual Probabilistic Variables[77-使用偶然概率变量改进预测]
(IDA 2020) 77-使用偶然概率变量改进预测
热度:4
(IDA 2020) 77-使用偶然概率变量改进预测
热度:4