境外开放课程——按学科专业列表
开放课程→自然科学→数学::数学史 | 数理逻辑与数学基础 | 数论 | 代数学 | 代数几何学 | 几何学 | 拓扑学 | 数学分析 | 非标准分析 | 函数论 | 常微分方程 | 偏微分方程 | 动力系统 | 积分方程 | 泛函分析 | 计算数学 | 概率论 | 数理统计学 | 应用统计数学 | 运筹学 | 组合数学 | 离散数学 | 模糊数学 | 应用数学
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
![](functions/showpic.php?filename=2021092503133459.jpg)
Statistics for Applications[申请统计数字]
Prof. Philippe Rigollet(麻省理工学院) 本课程深入介绍在许多应用中有用的统计方法的理论基础。目的是了解数学在有效统计方法研究和开发中的作用。
热度:65
Prof. Philippe Rigollet(麻省理工学院) 本课程深入介绍在许多应用中有用的统计方法的理论基础。目的是了解数学在有效统计方法研究和开发中的作用。
热度:65
![](functions/showpic.php?filename=2021092503023543.jpg)
Graph Theory and Additive Combinatorics[图论与可加组合数学]
Prof. Yufei Zhao(麻省理工学院) 本课程考察图论和加法组合学的经典和现代发展,重点关注连接这两门学科的主题和主题。本课程还向学生介绍当前的研究主题和开放性问题。
热度:116
Prof. Yufei Zhao(麻省理工学院) 本课程考察图论和加法组合学的经典和现代发展,重点关注连接这两门学科的主题和主题。本课程还向学生介绍当前的研究主题和开放性问题。
热度:116
![](functions/showpic.php?filename=2021092502584080.jpg)
Matrix Methods in Data Analysis, Signal Processing, and Machine Learning[数据分析、信号处理和机器学习中的矩阵方法]
Prof. Gilbert Strang(麻省理工学院) 线性代数概念是理解和创建机器学习算法的关键,特别是在应用于深度学习和神经网络时。本课程回顾线性代数及其在概率、统计和优化中的应用——最重要的是对深度学...
热度:100
Prof. Gilbert Strang(麻省理工学院) 线性代数概念是理解和创建机器学习算法的关键,特别是在应用于深度学习和神经网络时。本课程回顾线性代数及其在概率、统计和优化中的应用——最重要的是对深度学...
热度:100
![](functions/showpic.php?filename=2021092502342087.jpg)
Introduction to Probability and Statistics[概率统计导论]
Jeremy Orloff;Jonathan Bloom(麻省理工学院) 本课程提供概率和统计学及其应用的基本介绍。主题包括:基本组合学、随机变量、概率分布、贝叶斯推理、假设检验、置信区间和线性回归。 2014年春季版本课程采...
热度:54
Jeremy Orloff;Jonathan Bloom(麻省理工学院) 本课程提供概率和统计学及其应用的基本介绍。主题包括:基本组合学、随机变量、概率分布、贝叶斯推理、假设检验、置信区间和线性回归。 2014年春季版本课程采...
热度:54
![](functions/showpic.php?filename=2021091002484127.png)
Topological explorations in neuroscience[神经科学中的拓扑探索]
Kathryn Hess(瑞士洛桑联邦理工学院) 我们每个人的大脑由数千亿个神经元(通常称为神经细胞)组成,由数百万亿个突触连接,突触从一个神经元传输到另一个神经元。作为对刺激的反应,电活动波穿过神经...
热度:63
Kathryn Hess(瑞士洛桑联邦理工学院) 我们每个人的大脑由数千亿个神经元(通常称为神经细胞)组成,由数百万亿个突触连接,突触从一个神经元传输到另一个神经元。作为对刺激的反应,电活动波穿过神经...
热度:63
![](functions/showpic.php?filename=2021081103220427.jpg)
Lecture 8 - Nash equilibrium: location, segregation and randomization[第8讲-纳什均衡:定位、分离和随机化]
Benjamin Polak(耶鲁大学) 我们首先完成对候选人选民模型的讨论,特别是表明,在均衡状态下,两名候选人不能相距太远。然后我们玩和分析谢林的位置游戏。我们讨论了即使没有人愿意,隔离如...
热度:28
Benjamin Polak(耶鲁大学) 我们首先完成对候选人选民模型的讨论,特别是表明,在均衡状态下,两名候选人不能相距太远。然后我们玩和分析谢林的位置游戏。我们讨论了即使没有人愿意,隔离如...
热度:28
![](functions/showpic.php?filename=2021081103185362.jpg)
![](functions/showpic.php?filename=2021082810362489.jpg)
Lecture 4: Vector Composition[第四讲:矢量合成]
Stephen P. Boyd(斯坦福大学) 这里你想知道保持凸性的操作,我们看看一些非常明显的简单的,你知道,非负加权和,这很明显。合成如果是仿射函数,那也很容易展示。 Pointwise maximum supremu...
热度:58
Stephen P. Boyd(斯坦福大学) 这里你想知道保持凸性的操作,我们看看一些非常明显的简单的,你知道,非负加权和,这很明显。合成如果是仿射函数,那也很容易展示。 Pointwise maximum supremu...
热度:58
![](functions/showpic.php?filename=2021081103023121.jpg)
![](functions/showpic.php?filename=2021081102585818.jpg)
Lecture 14 - Backward induction: commitment, spies, and first-mover advantages[第14讲-反向归纳法:承诺、间谍和先动优势]
Benjamin Polak(耶鲁大学) 我们首先应用我们的大思想向后归纳分析当游戏是连续的时,公司之间的数量竞争,即 Stackelberg 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...
热度:49
Benjamin Polak(耶鲁大学) 我们首先应用我们的大思想向后归纳分析当游戏是连续的时,公司之间的数量竞争,即 Stackelberg 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...
热度:49
![](functions/showpic.php?filename=2021082810371172.jpg)
Description Logic Reasoning with Decision Diagrams: Compiling SHIQ to Disjunctive Datalog[基于决策图的描述逻辑推理:将SHIQ编译为析取数据日志]
Sebastian Rudolph(德累斯顿工业大学) 我们在描述逻辑 $mathcal{SHIQ}$ 中提出了一种新的推理方法。从 $mathcal{SHIQ}$ 到描述逻辑 $mathcal{ALCI}b$ 的可满足性保持变换后,得到的 $mathcal{ALCI}b$ ...
热度:45
Sebastian Rudolph(德累斯顿工业大学) 我们在描述逻辑 $mathcal{SHIQ}$ 中提出了一种新的推理方法。从 $mathcal{SHIQ}$ 到描述逻辑 $mathcal{ALCI}b$ 的可满足性保持变换后,得到的 $mathcal{ALCI}b$ ...
热度:45
![](functions/showpic.php?filename=2021081102180533.jpg)
Visualizing Pairwise Similarity via Semidefinite Programming[基于半定规划的成对相似性可视化]
Amir Globerson(耶路撒冷希伯来大学)
热度:50
Amir Globerson(耶路撒冷希伯来大学)
热度:50
![](functions/showpic.php?filename=2021081102115979.jpg)
Efficiently Solving Convex Relaxations for MAP Estimation[映射估计中凸松弛的有效求解]
Pawan Kumar Mudigonda(牛津大学) 获得离散随机场的最大后验 (MAP) 估计值的问题在计算机科学的许多领域都至关重要。在这项工作中,我们建立在 Kolmogorov 和 Wainwright 等人的树重加权消息传递 ...
热度:35
Pawan Kumar Mudigonda(牛津大学) 获得离散随机场的最大后验 (MAP) 估计值的问题在计算机科学的许多领域都至关重要。在这项工作中,我们建立在 Kolmogorov 和 Wainwright 等人的树重加权消息传递 ...
热度:35
![](functions/showpic.php?filename=2021082810383914.jpg)
Lecture 4: Wrapping Up Fourier Series; Making Sense Of Infinite Sums And Convergence[第四讲:总结傅立叶级数;理解无穷和与收敛]
Brad G. Osgood(斯坦福大学) 它不适用于其他任何东西,除了 – 使用 Mac,那边的说法是您必须使用 Safari,这是它附带的。我不知道其他的。还有其他人有这个问题吗?我可以找到,我可以发布...
热度:45
Brad G. Osgood(斯坦福大学) 它不适用于其他任何东西,除了 – 使用 Mac,那边的说法是您必须使用 Safari,这是它附带的。我不知道其他的。还有其他人有这个问题吗?我可以找到,我可以发布...
热度:45
![](functions/showpic.php?filename=2021082810393444.jpg)
Probably the Best Itemsets[可能是最好的项目集]
Nikolaj Tatti(安特卫普大学) 当前项集挖掘的主要挑战之一是发现一小组高质量的项集。在本文中,我们提出了一种新的通用方法来衡量项集的质量。该方法以贝叶斯统计为基础,单调递减,可以有效...
热度:36
Nikolaj Tatti(安特卫普大学) 当前项集挖掘的主要挑战之一是发现一小组高质量的项集。在本文中,我们提出了一种新的通用方法来衡量项集的质量。该方法以贝叶斯统计为基础,单调递减,可以有效...
热度:36