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→计算机应用::

1696
Using Transactional Information to Predict Link Strength in Online Social Networks[使用事务性信息来预测在线社交网络中的链路强度]
  Indika Kahanda(普渡大学)
热度：47

1697
Content Based Recommendation and Summarization in the Blogosphere[博客上基于推荐和总结的内容]
  Ahmed Hassan(密歇根大学)
热度：44

1698
ICWSM 2009 Poster Madness[ICWSM 2009 海报的疯狂]
  Natalie Glance(谷歌公司) 海报的疯狂
热度：39

1699
What are they blogging about? Personality, topic and motivation in blogs[他们在写什么？博客中的个性、话题与动机]
  Gill Alastair J(西北大学) 个人日志（博客），为个人提供了在他人面前自由写作和在线表达的机会。在这种情况下，博客作者写什么，他们写博客的动机是什么？我们使用一个大型的博客语料库，...
热度：56

1700
Politics and Social Media[政治与社会媒体]
  Derek Young;David Postman; Kathy Gill;Sumit Basu(微软公司) 政治与社会媒体
热度：14

1701
Semantics through Collective Intelligence[语义通过集体智慧]
  Steffen Staab(科布伦茨兰道大学)
热度：29

1702
FOster the Comprehension and USe of Knowledge intensive technologies for coding and sharing 3D media content[促进理解和使用知识密集型技术的编码和共享3D媒体内容]
  Michela Spagnuolo(应用数学与信息技术研究所)
热度：26

1703
From the Lab to the Market[从实验室到市场]
  Massimo Romanelli(德国人工智能研究中心) 从实验室到市场
热度：19

1704
The Value-IT Support Action[IT估值支持行动]
  Rubén Riestra(无)  IT价值支持行动
热度：37

1705
User Interfaces and Interaction for CI[CI的用户界面和交互]
  Vitaveska Lanfranchi(巴塞罗那自治大学)
热度：22

1706
Reproducible Research in Computational Science: Problems and Solutions For Data and Code Sharing[计算科学中的可重复研究：数据和代码共享的问题和解决方案]
  Victoria Stodden(耶鲁大学) 科学计算正逐渐成为科学方法的核心，但非常宽松的做法的盛行正导致一场信誉危机。可重复的计算研究是应对这场危机的必要措施，其中所有计算细节、代码和数据都可...
热度：38

1707
Libra[天秤座]
  Daniel Lowd(俄勒冈大学) 天秤座机器学习工具包包括使用贝叶斯网络和算术电路实现各种学习和推理算法：学习算法——BNS和ACS的结构学习；Chow Liu算法；AC权重学习推理算法——平均场、信...
热度：52

1708
Dynamic Mixed Membership Block Model for Evolving Networks[进化网络的动态混合成员块模型]
  Le Song(乔治亚理工学院) 在一个动态的社会或生物环境中，底层参与者之间的相互作用会发生巨大的系统变化。网络中的每一个参与者可以承担多个相关的角色，它们与动态链接所确定的每一个角...
热度：77

1709
Structured Prediction for Natural Language Processing[自然语言处理的结构化预测]
  Noah Smith(卡内基梅隆大学) 本教程将讨论机器学习中结构化预测方法在自然语言处理中的应用。在过去的二十年中，NLP领域已经开始同时依赖和挑战机器学习领域。统计方法现在主导了NLP，并大大...
热度：68

1710
Introduction and General Problem Statement[简介和一般问题陈述]
  Seeger Matthias W(洛桑联邦理工学院) 大多数机器学习（ML）算法从根本上依赖于数值数学的概念。黑盒计算原语的标准缩减通常不能满足实际需求，必须在所有级别进行修改。ML问题日益复杂，需要分层的方...
热度：44