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→计算机科学技术基础学科::

1
Successful IT systems[成功的IT系统]
  () 信息技术（IT）系统是我们世界的重要组成部分，在商业、公共和志愿部门都是如此。它们通常是技术、组织和人员的高度复杂和相互关联的组合。IT系统的成功和失败可...
热度：9

2
Software development for enterprise systems[企业系统的软件开发]
  () 企业系统是自动化和集成组织所有关键业务流程的软件应用程序。在这个免费的企业系统软件开发课程中，您将对软件开发有一些了解，了解这类系统的当前开发实践，并...
热度：6

3
Simple coding[简单编码]
  () 你有没有想过尝试简单的编码？想了解它需要什么的基础知识吗？本课程向您介绍编码的技能、概念和术语。
热度：7

4
An introduction to computers and computer systems[计算机和计算机系统导论]
  () 这门免费课程名为《计算机和计算机系统导论》，通过厨房秤和数码相机中的处理器示例挑战我们如何看待计算机，并检查本质上是计算机的艺术品。您还将探索计算机如...
热度：18

5
HoORaYs: High­order Optimization of Rating Distance for Recommender Systems[HoORaYs：推荐系统评级距离的高阶优化]
   Yuan Yao(南京大学) 潜在因素模型已经成为推荐系统中一种流行的方法，根据历史用户反馈来预测用户对项目的偏好。大多数现有的方法，无论是明确的还是隐含的，都建立在一阶评级距离原...
热度：9

6
Accelerating Innovation Through Analogy Mining[通过类比挖掘加速创新]
   Tom Hope(耶路撒冷希伯来大学) 大型思想库（如美国专利数据库）的可用性可以通过为人们提供类似问题解决方案的灵感，大大加速创新和发现。然而，无论是人工方法还是自动化方法，在这些庞大、混...
热度：21

7
Is the Whole Greater Than the Sum of Its Parts?[整体大于部分之和吗？
   Liangyue Li(亚利桑那州立大学) 部分与整体的关系经常出现在许多学科中，从协作团队、众包、自治系统到网络系统。从算法的角度来看，现有的工作主要集中在通过单独的模型或线性联合模型来预测整...
热度：25

8
An Online Hierarchical Algorithm for Extreme Clustering[一种用于极端聚类层次算法]
  (马萨诸塞大学) 许多现代聚类方法可以很好地扩展到大量数据项 N，但不能扩展到大量聚类 K。本文介绍了 PERCH，一种用于在线分层聚类的新非贪婪算法，可扩展到大量 N 和 K ——我...
热度：15

9
Local Higher-Order Graph Clustering[局部高阶图聚类]
  Hao Yin(斯坦福大学) 局部图聚类方法旨在通过探索图的小区域来找到节点簇。这些方法很有吸引力，因为它们能够围绕给定种子节点进行有针对性的聚类，并且比传统的全局图聚类方法更快，...
热度：28

10
Randomization or Condensation? Linear­Cost Matrix Sketching Via Cascaded Compression Sampling[随机化还是压缩？通过级联压缩采样绘制 LinearCost 矩阵草图]
  Kai Zhang(天普大学) 矩阵草图旨在找到矩阵的紧凑表示，同时保留其大部分属性，这是现代科学计算的基本构建块。随机算法代表了最先进的技术，并引起了机器学习、数据挖掘和理论计算机...
热度：19

11
Discrete Content-­aware Matrix Factorization[离散内容感知矩阵分解]
   Rui Liu(电子科技大学) 张量补全已成为许多现实世界数据驱动应用中的有效计算工具。除了传统的静态设置之外，随着高速流数据的日益普及，需要高效的在线处理，而无需从头开始重建整个模...
热度：12

12
Multi­-Aspect Streaming Tensor Completion[多方面流式张量补全]
  宋清泉(德州农工大学) 张量补全已成为许多现实世界数据驱动应用中的有效计算工具。除了传统的静态设置之外，随着高速流数据的日益普及，需要高效的在线处理，而无需从头开始重建整个模...
热度：30

13
Collaboratively Improving Topic Discovery and Word Embeddings by Coordinating Global and Local Contexts[通过协调全球和本地上下文来协作改进主题发现和词嵌入]
  Guangxu Xun(布法罗大学 ) 文本语料库通常包含两种类型的上下文信息——全局上下文和局部上下文。全局上下文携带主题信息，主题模型可以利用主题信息从文本语料库中发现主题结构，而局部上...
热度：16

14
EmbedJoin: Efficient Edit Similarity Joins via Embeddings[EmbedJoin：通过嵌入进行高效编辑相似性连接]
  张浩宇(印第安纳大学) 我们研究编辑相似性连接的问题，其中给定一组字符串和阈值 K，我们希望输出编辑距离至多为 K 的所有字符串对。编辑相似性连接是数据清理/集成中的基本问题，生物...
热度：22

15
Discovering Reliable Approximate Functional Dependencies[发现可靠的近似函数依赖关系]
   Panagiotis Mandros(马克斯普朗克信息学研究所) 给定一个数据库和一个感兴趣的目标属性，我们如何判断目标对数据中任何其他属性集是否存在函数或近似函数依赖？我们如何才能在不影响样本大小或维度的情况下可靠...
热度：23