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::

616
Fitting mixtures of regression lines with the forward search: application to clustering and outlier detection[正向搜索的回归线的拟合混合物：聚类和孤立点检测中的应用]
  Andrea Cerioli, Domenico Perrotta(帕尔马大学) 前向搜索是一种检测未识别子集和屏蔽异常值的方法，并用于确定它们对数据模型的影响。本文介绍了一种通过前向搜索实现离群值检测和聚类的半自动方法。我们处理挑...
热度：29

617
Learning using Many Examples[学习使用许多例子]
  Léon Bottou(美国NEC实验室) 统计学习理论建议选择大容量的模型，几乎不能避免过度拟合训练数据。从这个角度来看，所有数据集都很小。当考虑到处理大型数据集的计算成本时，事情变得更加复杂...
热度：48

618
Foundations of Statistical Learning Theory : Empirical Infe-rence in high-dimention spaces [统计学习理论基础：实证推理在高维空间]
  Léon Bottou;Vladimir Vapnik(美国NEC实验室)
热度：41

619
On serial architectures for multiple classifier systems[多分类器系统的串行结构]
  Josef Kittler(萨里大学) 多分类器融合是近年来出现的机器学习模式之一。文献中提出了大量构造多分类器系统的方法。其中大部分采用并行结构，包括通过某种形式的线性或非线性组合规则融合...
热度：46

620
Nonparametric Bayesian Modelling[非参数贝叶斯建模]
  Zoubin Ghahramani(剑桥大学)
热度：39

621
Inferring structure from data[从数据中推断结构]
  Tom Griffiths(加州大学)
热度：30

622
Cognitive science for machine learning 2: Empirical methods[机器学习的认知科学2：经验方法]
  Nick Chater(伦敦大学学院) 观察，日常的ORLEVERLY构造，是重要的线索
热度：40

623
PAC-Bayes Analysis: Background and Applications[PAC-Bayes分析：背景及应用]
  John Shawe-Taylor(伦敦大学学院)
热度：21

624
Deep Belief Networks[深度信念网络]
  Geoffrey E. Hinton(多伦多大学)
热度：59

625
Particle Filters[粒子滤波器]
  Simon Godsill(剑桥大学)
热度：25

626
Causality[因果关系]
  Phil Dawid(剑桥大学)
热度：32

627
A Kernel-based Nonlinear Approach for Time Series Forecast[基于核函数的时间序列预测的非线性方法]
  Theodore Alexandrov(不来梅大学)
热度：36

628
How to predict with Bayes, MDL, and Experts[如何使用贝叶斯法则,方法检出最低限值法和专家预测法]
  Marcus Hutter(澳大利亚国立大学) 大多数被动机器学习任务可以（重新）描述为序列预测问题。这包括模式识别、分类、时间序列预测和其他。此外，对被动智能的理解也是主动学习和决策的基础。近几年...
热度：46

629
Introduction to Kernel Methods[核方法概论]
  Bernhard Schölkopf(马克斯普朗克研究所) 本课程将涵盖支持向量机和相关Kerne方法的基础知识：1。内核和特征空间\\2。大利润分类\\3。学习理论的基本思想。支持向量机\\5。其他核心算法示例
热度：55

630
Learning and Regularization Using non Positive Kernels[使用非正核的学习和正则化]
  Stephan Canu(国立应用科学研究所)
热度：27