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::

331
NLP at Google[谷歌的NLP]
  Katja Filippova(谷歌公司) 谷歌的使命是“组织世界的信息，使其普遍可用和有用”。 首先，这意味着理解和处理网络上可用的大量自然语言数据 - 新闻，（视频）博客，书籍，论坛 - 各种语言...
热度：98

332
Hands-on Natural Language Processing for Information Access Applications (NLPIAA)[用于信息访问应用的动手自然语言处理（NLPIAA）]
  Horacio Saggion(庞培法布拉大学) 本课程重点介绍涉及使用自然语言技术的实际应用的开发。该课程将介绍NLP概念，这些概念将通过演示课程中的技术开发，测试和评估得到加强。课程中要研究的应用包...
热度：39

333
Active Sequential Estimation of Object Dynamics with Tactile Sensory Feedback[用触觉感知反馈主动序贯估计目标动力学]
  Jo-Anne Ting(不列颠哥伦比亚大学) 估计物体动力学的参数，例如粘度或内部自由度，是物体的自主和灵巧机器人操纵的关键。通常，由于复杂的高度非线性基础物理过程，准确且有效地估计这些对象参数可...
热度：50

334
Adaptive Representations for Efficient Inference for Distributions on Permutations[排列分布有效推理的自适应表示]
  Carlos Guestrin(卡内基梅隆大学) 排列在许多现实世界的问题中无处不在，例如投票，排名和数据关联。表示排列的不确定性具有挑战性，因为存在$ n！$可能性，并且典型的紧凑表示（例如图形模型）不...
热度：37

335
Everything You Know About Homo sapiens is Wrong: The Revolutionary Implications of Cognitive Ethology[你所知道的关于智人的一切都是错误的：认知行为学的革命性含义 ]
  Steven Best(德克萨斯大学) 随着人类继续探索其进化过去并获得更准确的猿类和其他动物的智力知识，因为他们探索宇宙的深度，寻找比自己更先进的生命，因为他们开发了越来越复杂的计算机和形...
热度：58

336
Real-time Decisions in the Real World[现实世界中的实时决策]
  Leonard Newnham(尼斯公司) Causata是一家大型数据初创公司，它使用机器学习来让客户实时进行关于客户数据的决定。 在本演示中，我将概述我们正在尝试的业务问题解决现实世界中实现机器学习...
热度：50

337
Multi-Task Learning with Gaussian Processes with Applications to Robot Inverse Dynamics[高斯过程多任务学习及其在机器人逆动力学中的应用 ]
  Chris Williams(爱丁堡大学) 我将讨论多任务学习，以及可以在任务之间进行转换的多种方式，主要是在co kriging（或高斯过程）框架中。然后，我将详细介绍机器人逆动力学的多任务高斯过程学习...
热度：105

338
Adaptive Sequential Bayesian Change-point Detection [自适应序贯贝叶斯变化点检测 ]
  Ryan Turner(剑桥大学) 非平稳性或生成参数的变化通常是现实世界时间序列的关键方面，其包括许多不同的参数方案。无法对制度变化做出反应会对预测性能产生不利影响。变更点检测（CPD）...
热度：74

339
Linear Bellman Combination for Simulation of Human Motion[模拟人体运动的线性bellman组合方法 ]
  Jovan Popović(华盛顿大学) 对自然人体运动的模拟具有挑战性，因为相关的系统动力学是高维度的，欠驱动的 - 不能直接控制全球位置和方向 - 以及非平滑频繁和间歇性的地面接触。为了取得成功...
热度：44

340
What Is a Cluster: Perspectives from Game Theory[什么是集群：博弈论视角 ]
  Marcello Pelillo(加州大学 ) 而不是坚持确定输入数据的分区，并因此获得作为分区过程的副产品的集群的想法，在这个演示中，我建议颠倒问题的条款，并试图得出这个概念的严格表述集群很明显，...
热度：65

341
A Bayesian Approach to Occupancy Mapping with Uncertain Inputs[不确定输入占用映射的贝叶斯方法 ]
  Simon T. O'Callaghan(悉尼大学) 该工作解决了占用映射的问题，其具有来自一个或多个移动机器人的不确定测量。对传感器和定位不确定性进行适当建模对于获得一致且稳健的地图至关重要，这些地图随...
热度：29

342
Domain Adaptation for Mobile Robot Navigation[移动机器人导航域适配 ]
  David Bradley(卡内基梅隆大学) 户外移动机器人感知的一个重要挑战是在我们可能希望机器人在其下操作的极其可变的条件下保持地形分类性能。户外机器人在一系列“环境”中运行，这些“环境”包括...
热度：72

343
Explaining Human Multiple Object Tracking as Resource-Constrained Approximate Inference in a Dynamic Probabilistic Model[将多目标跟踪解释为动态概率模型中的资源约束近似推理]
  Edward Vul(麻省理工学院) 多目标跟踪是一种常用于调查人类视觉注意力架构的任务。人类参与者在跟踪实验中显示出独特的成功和失败模式，这通常归因于对象系统，跟踪模块或其他专业认知结构...
热度：20

344
Understanding Visual Scenes[理解视觉场景]
  Antonio Torralba(麻省理工学院) 人类视觉的一个显着方面是能够快速，轻松地理解新颖图像或事件的含义。在一目了然，我们可以理解一个地方的语义类别，它的空间布局以及识别构成场景的许多对象。...
热度：44

345
Making Very Large-Scale Linear Algebraic Computations Possible Via Randomization[通过随机化使非常大规模的线性代数计算成为可能]
  Gunnar Martinsson(科罗拉多大学) 随着在医学成像，分析大型网络（例如万维网），图像和视频处理以及一系列其他应用中产生越来越大的数据集，对用于分析数据的软件的需求迅速增加。为了处理这种大...
热度：40