境外开放课程——按学科专业列表
开放课程→自然科学→数学::

1921
9.07 Statistical Methods in Brain and Cognitive Science[脑与认知科学的统计方法]
  Dr. Ruth Rosenholtz(麻省理工学院) 本课程强调统计是研究行为和生物科学中复杂问题的有力工具, 并探讨了统计作为一种调查方法的局限性。本课程涵盖描述性统计、概率和随机变量、推理统计以及实验设...
热度：35

1922
16.901 Computational Methods in Aerospace Engineering[航空航天工程的计算方法]
  Prof. David Darmofal(麻省理工学院) 本课程是航空航天工程中出现的计算技术的介绍。应用来自航空航天结构、空气动力学、动力学和控制以及航空航天系统。技术包括: 常微分方程系统的数值积分;偏微分...
热度：67

1923
Statistical Reasoning I[统计推理第一讲]
  John McGready(布隆博格公共卫生学院) 公共卫生中的统计推理通过讲座、练习和公告板讨论，介绍了生物统计概念和推理中选定的重要主题。
热度：55

1924
Lecture 15 - Backward induction: chess, strategies, and credible threats[逆向归纳:象棋、策略、和可信的威胁]
  Benjamin Polak(耶鲁大学) 我们首先讨论Zermelo的定理：像tic-tac-toe或chess这样的游戏有一个解决方案。也就是说，要么玩家1有办法强制获胜，要么玩家1有办法强制打平，或者玩家2有办法强...
热度：36

1925
Lecture 14 - Backward induction: commitment, spies, and first-mover advantages[逆向归纳:承诺,间谍,和先发优势]
  Benjamin Polak(耶鲁大学) 我们首先运用我们的大理念--落后的归纳--来分析企业之间在博弈顺序时的数量竞争, 斯塔克伯格模型。我们这样做两次: 首先使用直觉, 然后使用微积分。我们了解到, ...
热度：26

1926
Lecture 13 - Sequential games: moral hazard, incentives, and hungry lions[顺序游戏:道德风险,奖励和饥饿的狮子]
  Benjamin Polak(耶鲁大学) 我们考虑玩家按顺序而不是同时移动的游戏，从涉及借款人和贷方的游戏开始。我们使用“向后归纳”来分析游戏。游戏具有道德风险：借款人不会偿还大笔贷款。我们讨...
热度：45

1927
Lecture 11 - Evolutionary stability: cooperation, mutation, and equilibrium[进化稳定性:合作、突变、平衡]
  Benjamin Polak(耶鲁大学) 我们讨论了进化论和博弈论，并介绍了进化稳定性的概念。我们问什么类型的策略是进化稳定的，以及这种来自生物学的想法如何与经济学中的概念如支配和纳什均衡相关...
热度：47

1928
Computer Science as a Natural Science[计算机科学是自然科学]
  Leslie Valiant(哈佛大学) 计算机科学可以被视为数学，技术和自然科学。图灵的基础贡献打开了这三种途径，他对这些途径的持久印记仍然很明显。前两种方法可能是迄今为止已经进行过最彻底探...
热度：80

1929
Honeycomb tori and Cayley graphs on generalized dihedral groups[蜂窝托里和凯莱广义二面体群图]
  Brian Alspach(里贾纳大学) 我们研究了一些人称为蜂窝托里的图表。我们确定它们都是广义二面体群上的Cayley图。然后我们看一下这个图族的hamiltonicity属性。
热度：67

1930
Regret to the Best vs. Regret to the Average[对最优秀的遗憾和遗憾的平均]
  Eyal Even Dar(宾夕法尼亚大学) 我们研究后悔最小化算法，不仅关注他们对最好的专家的遗憾，而且关注他们对所有专家和最差专家的平均值的遗憾。我们证明，在最坏的情况下，任何只有O（pT）对最...
热度：53

1931
Use of variance estimation in the multi-armed bandit problem[多武装土匪问题中方差估计的应用]
  Jean Yves Audibert(国立巴黎高等矿业学院) 大多数决策问题的一个重要方面涉及开发（根据迄今为止获得的部分知识最佳地行动）与环境探索之间的适当平衡（为了优化当前知识和改进未来决策而次优地行动）。这...
热度：298

1932
The optimistic principle for online planning in Markov decision processes[马尔可夫决策过程的在线规划乐观原则]
  Rémi Munos(法国国家信息与自动化研究所) 给定初始状态，给定有限数值预算的计划算法可以返回的最佳可能动作是什么（例如，对状态转换和奖励函数的模型的调用次数）。我们调查乐观策略，并在计划问题复杂...
热度：82

1933
Learning Feature Hierarchies by Learning Deep Generative Models[学习特征层次的学习深度生成模型]
  Ruslan Salakhutdinov(卡内基梅隆大学) 在本文中，我们提出了几个基于从高维度，丰富结构的感官输入学习深度生成模型的想法。我们将利用以下两个关键属性：首先，我们表明可以从大量未标记数据中有效地...
热度：35

1934
Unsupervised Learning by Discriminating Data from Artificial Noise[从人工噪声中识别数据的无监督学习]
  Michael Gutmann(国赫尔辛基科技机构) 噪声对比估计是我们为参数化统计模型开发的一种新的估计原理。该想法是使用逻辑回归函数中的模型对数密度函数来训练分类器以区分观察到的数据和一些人为产生的噪...
热度：44

1935
No voodoo here! Learning discrete graphical models via inverse covariance estimation[这里没有巫术！通过逆协方差估计学习离散图形模型]
  Po-Ling Loh(加利福尼亚大学) 我们研究了广义协方差矩阵的逆的支持与离散图形模型的结构之间的关系。我们证明了对于某些图结构，指标变量的逆协方差矩阵对图的顶点的支持反映了图的条件独立结...
热度：56