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→计算机系统结构::
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
31The database development life cycle[数据库开发生命周期]
(英国开放大学) 不知道关系数据库系统是如何构造的？您知道吗，它们是计算机系统中大多数托管数据存储的基础？本免费课程“数据库开发生命周期”旨在向您概述数据库系统的开发生...
热度：62
(英国开放大学) 不知道关系数据库系统是如何构造的？您知道吗，它们是计算机系统中大多数托管数据存储的基础？本免费课程“数据库开发生命周期”旨在向您概述数据库系统的开发生...
热度：62
32Mining Medical Data to Improve Patient Outcomes[挖掘医疗数据以改善患者结果]
Bharat Rao(德勤律师事务所) 上个世纪，诊断测试的准确性和敏感性有了大幅提高：从观察外部症状到精确的实验室面板，再到用于无创内部检查的复杂成像方法，再到在不久的将来使用在床边进行基...
热度：51
Bharat Rao(德勤律师事务所) 上个世纪，诊断测试的准确性和敏感性有了大幅提高：从观察外部症状到精确的实验室面板，再到用于无创内部检查的复杂成像方法，再到在不久的将来使用在床边进行基...
热度：51
33Incorporating Domain Knowledge into Topic Modeling via Dirichlet Forest Priors[基于Dirichlet森林先验的领域知识与主题建模]
David Andrzejewski(威斯康星大学) 主题建模方法的用户通常具有有关单词组成的知识，这些单词在各种主题中的概率应该很高或很低。我们在潜在Dirichlet分配框架中使用新颖的Dirichlet森林整合了此类...
热度：35
David Andrzejewski(威斯康星大学) 主题建模方法的用户通常具有有关单词组成的知识，这些单词在各种主题中的概率应该很高或很低。我们在潜在Dirichlet分配框架中使用新颖的Dirichlet森林整合了此类...
热度：35
34Dropout: A simple and effective way to improve neural networks[辍学：改进神经网络的一种简单有效的方法]
Geoffrey E. Hinton(多伦多大学) 在大型前馈神经网络中，通过在每个训练案例中随机省略一半的隐藏单元，可以大大减少过度拟合。这防止了复杂的协同适配，其中特征检测器仅在其他几个特定特征检测...
热度：21
Geoffrey E. Hinton(多伦多大学) 在大型前馈神经网络中，通过在每个训练案例中随机省略一半的隐藏单元，可以大大减少过度拟合。这防止了复杂的协同适配，其中特征检测器仅在其他几个特定特征检测...
热度：21
35Light at the End of the Tunnel[光在隧道的尽头]
Ramanathan V. Guha(谷歌公司) 网络上很大一部分页面是从结构化数据库中生成的。语义Web计划的一个长期目标是让网站管理员使该结构化数据直接在Web上可用。达到这一目标的道路充其量是坎rock的...
热度：35
Ramanathan V. Guha(谷歌公司) 网络上很大一部分页面是从结构化数据库中生成的。语义Web计划的一个长期目标是让网站管理员使该结构化数据直接在Web上可用。达到这一目标的道路充其量是坎rock的...
热度：35
36More than the Sum of its Parts: Building Domino Data Lab[不仅仅是其各个部分的总和：构建Domino数据实验室]
Eduardo Ariño de la Rubia(脸书公司) 工业始终利用最先进的定量研究技术。从金融，保险到市场营销和制造，效率和优势都通过度量，预测和见解的生成来抓住，但从未达到如此规模。以前可能雇用过一两个...
热度：23
Eduardo Ariño de la Rubia(脸书公司) 工业始终利用最先进的定量研究技术。从金融，保险到市场营销和制造，效率和优势都通过度量，预测和见解的生成来抓住，但从未达到如此规模。以前可能雇用过一两个...
热度：23
37A Sketch-Based Distance Oracle for Web-Scale Graphs [基于草图的web尺度距离预测]
Atish Das Sarma(乔治亚理工学院) 我们研究了计算大型图（例如网络图和社交网络）中的节点之间的距离的基本问题。我们的目标是能够实时回答节点对之间的距离查询。由于标准最短路径算法价格昂贵，...
热度：80
Atish Das Sarma(乔治亚理工学院) 我们研究了计算大型图（例如网络图和社交网络）中的节点之间的距离的基本问题。我们的目标是能够实时回答节点对之间的距离查询。由于标准最短路径算法价格昂贵，...
热度：80
38Building Multilingual Web Sites with Joomla! the Leading Open Source CMS[通过Joomla !领先的开源CMS构建多语种网站]
Brian Teeman(Joomla公司) Joomla是领先的开源CMS，被超过2.8％的网络和3000多个政府网站使用。现在要求使网站真正具有多语言功能，而不是依赖自动翻译工具。 Joomla的最新版本使构建多语...
热度：48
Brian Teeman(Joomla公司) Joomla是领先的开源CMS，被超过2.8％的网络和3000多个政府网站使用。现在要求使网站真正具有多语言功能，而不是依赖自动翻译工具。 Joomla的最新版本使构建多语...
热度：48
39Encoding ITS 2.0 Metadata to Facilitate an XLIFF Roundtrip[编码2.0元数据促进XLIFF往返]
Bryan Schnabel(泰克公司) 对于XLIFF 2.0，讨论了三种支持扩展性的方法：（1）在规定的元素中允许自定义名称空间（类似于XLIFF 1.2）； （2）提供XML元素和属性以规定可扩展性（无自定义名...
热度：40
Bryan Schnabel(泰克公司) 对于XLIFF 2.0，讨论了三种支持扩展性的方法：（1）在规定的元素中允许自定义名称空间（类似于XLIFF 1.2）； （2）提供XML元素和属性以规定可扩展性（无自定义名...
热度：40
40HTML5 i18n: A report from the front line[HTML5 i18n:来自前线[报告]]
Richard Ishida, Jirka Kosek(万维网联盟) 本讲座将向与会人员简要介绍与HTML5中一些关键标记更改有关的开发。除了支持双向文本的新标记（例如在阿拉伯语，希伯来语和Thaana等脚本中）之外，W3C的国际化工...
热度：45
Richard Ishida, Jirka Kosek(万维网联盟) 本讲座将向与会人员简要介绍与HTML5中一些关键标记更改有关的开发。除了支持双向文本的新标记（例如在阿拉伯语，希伯来语和Thaana等脚本中）之外，W3C的国际化工...
热度：45
41Some Machine Learning Problems that We in the Computer Vision Community Would Like to See Solved[我们计算机视觉界想要解决的一些机器学习问题]
William T. Freeman(麻省理工学院) 从用户的角度来看，我将描述我希望看到的关于大规模图形模型学习的解决方案。此外，在最近的一次视觉研讨会上，我（一个接一个地）询问了许多计算机视觉方面的领...
热度：36
William T. Freeman(麻省理工学院) 从用户的角度来看，我将描述我希望看到的关于大规模图形模型学习的解决方案。此外，在最近的一次视觉研讨会上，我（一个接一个地）询问了许多计算机视觉方面的领...
热度：36
42SNARC: A Semantic Social News Aggregator[SNARC：语义社交新闻聚合器]
Ahmad Assaf(通信系统工程师学校与研究中心) 互联网在我们如何消费和传播信息方面创造了范式转变。如今的数据分布在存档和实时数据的异构孤岛上。人们愿意通过发布新闻，观点，演示文稿，图片和视频来分享社...
热度：25
Ahmad Assaf(通信系统工程师学校与研究中心) 互联网在我们如何消费和传播信息方面创造了范式转变。如今的数据分布在存档和实时数据的异构孤岛上。人们愿意通过发布新闻，观点，演示文稿，图片和视频来分享社...
热度：25
43Multi-Label Ensemble Learning[多标签集成学习]
Wenbin Tang(清华大学) 多标签学习旨在预测给定实例的潜在多个标签。传统的多标签学习方法侧重于利用标签相关性来通过基于一组单个标签学习器构建单个多标签学习器或组合学习器来提高学...
热度：172
Wenbin Tang(清华大学) 多标签学习旨在预测给定实例的潜在多个标签。传统的多标签学习方法侧重于利用标签相关性来通过基于一组单个标签学习器构建单个多标签学习器或组合学习器来提高学...
热度：172
44Global and Efficient Self-Similarity for Object Classification and Detection[用于对象分类和检测的全局和高效自相似性]
Thomas Deselaers(苏黎世联邦理工学院) 自相似性是一种极具吸引力的图像属性，它最近以局部自相似性描述符的形式进入对象识别[5,6,14,18,23,27]。在本文中，我们探索全局自相似性（GSS）及其在本地自我...
热度：67
Thomas Deselaers(苏黎世联邦理工学院) 自相似性是一种极具吸引力的图像属性，它最近以局部自相似性描述符的形式进入对象识别[5,6,14,18,23,27]。在本文中，我们探索全局自相似性（GSS）及其在本地自我...
热度：67
45Data Analysis Services on Clouds and Other Research Directions[关于云和其他研究方向的数据分析服务]
Domenico Talia(卡拉布里亚大学) 本演讲讨论了云计算中的两个重要研究课题：面向服务的知识发现和云系统中的代理计算。提出了基于云的知识发现问题和系统，并讨论了多代理系统和云的集成使用。
热度：51
Domenico Talia(卡拉布里亚大学) 本演讲讨论了云计算中的两个重要研究课题：面向服务的知识发现和云系统中的代理计算。提出了基于云的知识发现问题和系统，并讨论了多代理系统和云的集成使用。
热度：51