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→计算机工程::
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
211Inferring Networks of Diffusion and Influence[推断扩散和影响网络 ]
Manuel Gomez Rodriguez(斯坦福大学) 信息传播和病毒传播是网络中谈论的基本过程。虽然通常可以直接观察节点何时被感染，但观察个体传播（即感染谁或谁影响谁）通常是非常困难的。此外，在许多应用中...
热度：38
Manuel Gomez Rodriguez(斯坦福大学) 信息传播和病毒传播是网络中谈论的基本过程。虽然通常可以直接观察节点何时被感染，但观察个体传播（即感染谁或谁影响谁）通常是非常困难的。此外，在许多应用中...
热度：38
212Interactive Data Mining and Its Business Applications[交互式数据挖掘及其业务应用 ]
Rayid Ghani(芝加哥大学 ) 许多实用的数据挖掘应用程序处理的设置目标是帮助人类专家找到他们感兴趣的罕见病例。欺诈检测，入侵检测，安全应用监控，信息过滤，推荐系统是这些应用的一些示...
热度：48
Rayid Ghani(芝加哥大学 ) 许多实用的数据挖掘应用程序处理的设置目标是帮助人类专家找到他们感兴趣的罕见病例。欺诈检测，入侵检测，安全应用监控，信息过滤，推荐系统是这些应用的一些示...
热度：48
213Data Mining with Differential Privacy[具有差异隐私的数据挖掘]
Arik Friedman(以色列理工学院 ) 考虑到基于差异隐私框架的数据访问接口，我们考虑了具有正式隐私保证的数据挖掘问题。差异隐私要求计算对任何特定个人记录的变化不敏感，从而限制数据泄漏。隐私...
热度：48
Arik Friedman(以色列理工学院 ) 考虑到基于差异隐私框架的数据访问接口，我们考虑了具有正式隐私保证的数据挖掘问题。差异隐私要求计算对任何特定个人记录的变化不敏感，从而限制数据泄漏。隐私...
热度：48
214Indexing and Mining Time Sequences[索引和挖掘时间序列 ]
Christos Faloutsos, Lei Li(卡内基梅隆大学 ) 我们如何在一系列传感器测量中找到模式（例如，一系列温度或水污染物测量）？我们怎么压缩它？预测和异常值检测的主要工具是什么？本教程的目的是提供简明直观的...
热度：47
Christos Faloutsos, Lei Li(卡内基梅隆大学 ) 我们如何在一系列传感器测量中找到模式（例如，一系列温度或水污染物测量）？我们怎么压缩它？预测和异常值检测的主要工具是什么？本教程的目的是提供简明直观的...
热度：47
215Category Detection Using Hierarchical Mean Shift[基于层次均值漂移的分类检测]
Weng-Keen Wong(俄勒冈州立大学) 监视，监视，科学发现和数据清理中的许多应用需要识别异常。尽管已经开发了许多方法来识别统计上显着的异常，但更困难的任务是识别既有趣又有统计学意义的异常。...
热度：25
Weng-Keen Wong(俄勒冈州立大学) 监视，监视，科学发现和数据清理中的许多应用需要识别异常。尽管已经开发了许多方法来识别统计上显着的异常，但更困难的任务是识别既有趣又有统计学意义的异常。...
热度：25
216Quantification and Semi-supervised Classification Methods for Handling Changes in Class Distribution[类分布变化的量化和半监督分类方法
Gary M. Weiss(福特汉姆大学 ) 在实际设置中，在引入分类器之后，类的普遍性可能会发生变化，这会降低分类器的性能。使这种情况更加复杂的是标记数据通常是稀缺且昂贵的。在本文中，我们解决了...
热度：33
Gary M. Weiss(福特汉姆大学 ) 在实际设置中，在引入分类器之后，类的普遍性可能会发生变化，这会降低分类器的性能。使这种情况更加复杂的是标记数据通常是稀缺且昂贵的。在本文中，我们解决了...
热度：33
217OpinionMiner: A Novel Machine Learning System for Web Opinion Mining and Extraction[OpinionMiner：一种新的网络意见挖掘和提取机器学习系统]
Rohini K Srihari(布法罗大学) 在网上销售产品的商家经常要求他们的客户分享他们的意见并亲自体验他们购买的产品。不幸的是，阅读所有客户评论很困难，特别是对于热门项目，评论的数量可能高达...
热度：31
Rohini K Srihari(布法罗大学) 在网上销售产品的商家经常要求他们的客户分享他们的意见并亲自体验他们购买的产品。不幸的是，阅读所有客户评论很困难，特别是对于热门项目，评论的数量可能高达...
热度：31
218Anomalous Window Discovery through Scan Statistics for Linear Intersecting Paths (SSLIP)[线性相交路径扫描统计异常窗口发现（SSLIP）]
Lei Shi(马里兰大学) 异常窗口是数据点的连续分组。在本文中，我们提出了一种使用线性相交路径扫描统计（SSLIP）发现异常窗口的方法。线性路径是指由具有标记观察点的单维空间坐标的...
热度：38
Lei Shi(马里兰大学) 异常窗口是数据点的连续分组。在本文中，我们提出了一种使用线性相交路径扫描统计（SSLIP）发现异常窗口的方法。线性路径是指由具有标记观察点的单维空间坐标的...
热度：38
219Predictive Modelling in the Wild: Success Factors in Data Mining Competitions and Real-World Applications[野外预测建模：数据挖掘竞赛和现实应用中的成功因素]
Saharon Rosset, Claudia Perlich(特拉维夫大学 ) 在本教程中，我们将对预测建模成功应用于KDD Cup和现实商业智能项目等竞赛的关键进行了展望。我们认为这两种应用预测建模的模式有许多相似之处，但也存在一些重...
热度：103
Saharon Rosset, Claudia Perlich(特拉维夫大学 ) 在本教程中，我们将对预测建模成功应用于KDD Cup和现实商业智能项目等竞赛的关键进行了展望。我们认为这两种应用预测建模的模式有许多相似之处，但也存在一些重...
热度：103
220TANGENT: A Novel, 'Surprise-me' Recommendation Algorithm[TANGENT：一种新颖的“惊喜我”推荐算法 ]
Kensuke Onuma(卡内基梅隆大学) 大多数推荐系统试图找到与给定用户的旧选择最相关的项目。在这里，我们关注“惊喜我”的问题：用户可能对他/她通常的项目类型（例如，书籍，电影，爱好）感到厌...
热度：46
Kensuke Onuma(卡内基梅隆大学) 大多数推荐系统试图找到与给定用户的旧选择最相关的项目。在这里，我们关注“惊喜我”的问题：用户可能对他/她通常的项目类型（例如，书籍，电影，爱好）感到厌...
热度：46
221Dynamics of Large Networks [大网络动力学 ]
Jure Leskovec(斯坦福大学) 网络和网络空间的出现引发了人类社会活动的详细痕迹。这为分析和模拟数百万人的行为提供了很好的机会。例如，我们检查了包含2.4亿人的完整Microsoft Instant Mes...
热度：27
Jure Leskovec(斯坦福大学) 网络和网络空间的出现引发了人类社会活动的详细痕迹。这为分析和模拟数百万人的行为提供了很好的机会。例如，我们检查了包含2.4亿人的完整Microsoft Instant Mes...
热度：27
222Mining for the Most Certain Predictions from Dyadic Data [从二元数据中挖掘最确定的预测
Meghana Deodhar(德克萨斯大学) 在涉及回归或分类的若干应用中，除了进行预测之外，评估单个预测的准确性或可靠性也很重要。在由于有限资源或域要求而需要仅基于最可靠而不是整个预测集做出决策...
热度：69
Meghana Deodhar(德克萨斯大学) 在涉及回归或分类的若干应用中，除了进行预测之外，评估单个预测的准确性或可靠性也很重要。在由于有限资源或域要求而需要仅基于最可靠而不是整个预测集做出决策...
热度：69
223A Principled and Flexible Framework for Finding Alternative Clusterings[一个原则性的、灵活的寻找替代集群的框架 ]
Ian Davidson(加利福尼亚大学) 数据挖掘的目的是在数据中找到新颖且可操作的见解。然而，大多数算法通常只能找到单个（可能是非新颖/可操作的）数据解释，即使可能存在替代方案。在文献中很少...
热度：24
Ian Davidson(加利福尼亚大学) 数据挖掘的目的是在数据中找到新颖且可操作的见解。然而，大多数算法通常只能找到单个（可能是非新颖/可操作的）数据解释，即使可能存在替代方案。在文献中很少...
热度：24
224Statistical Challenges in Computational Advertising[计算广告中的统计挑战]
Deepayan Chakrabarti, Deepak Agarwal(卡内基梅隆大学) 现在，许多组织将其广告/推广预算的很大一部分用于在线广告;像Yahoo！，Google，MSN这样的广告网络通过构建新的经济模型并执行在给定上下文中匹配（查询，用户）...
热度：80
Deepayan Chakrabarti, Deepak Agarwal(卡内基梅隆大学) 现在，许多组织将其广告/推广预算的很大一部分用于在线广告;像Yahoo！，Google，MSN这样的广告网络通过构建新的经济模型并执行在给定上下文中匹配（查询，用户）...
热度：80
225Collusion-Resistant Anonymous Data Collection Method [抗共谋匿名数据采集方法 ]
Mafruz Zaman Ashrafi(莫纳什大学 ) 数据的可用性和准确性决定了数据挖掘应用程序的成功。越来越需要采用在线数据收集来解决数据可用性问题。然而，在线数据收集应用程序的参与者自然不信任数据收集...
热度：96
Mafruz Zaman Ashrafi(莫纳什大学 ) 数据的可用性和准确性决定了数据挖掘应用程序的成功。越来越需要采用在线数据收集来解决数据可用性问题。然而，在线数据收集应用程序的参与者自然不信任数据收集...
热度：96