境外开放课程——按学科专业列表
开放课程→自然科学→信息科学与系统科学::

211
Mining Networks through Visual Analytics[通过可视化分析挖掘网络]
  Guy Melancon(法国国家计算机科学与控制研究所) 分析人员面临着大量的收集文件，事件和演员，他们试图理解，搜索数据以找到模式和发现证据。数据的视觉和交互式探索现已成为解决这一丰富信息所带来的问题的富有...
热度：27

212
Learning with structured data - structured outputs[结构化数据学习-结构化输出]
  Patrick Gallinari(巴黎第六大学) 我们专注于结构化产出的预测。一个经典的例子是序列标记，应用于语音，视觉，自然语言或生物学。除了序列之外，结构化数据（如树，格子或图形）的预测也出现在许...
热度：31

213
Link Analysis and Text Mining : Current State of the Art and Applications for Counter Terrorism[链接分析与文本挖掘：反恐的现状与应用]
  Ronen Feldman(巴伊兰大学) 信息时代使得存储大量数据变得容易。网上，企业内部网，新闻线和其他地方的文档数量激增，势不可挡。然而，虽然我们可用的数据量不断增加，但我们吸收和处理这些...
热度：41

214
Applications of Bayesian Sensitivity and Uncertainty Analysis to the Statistical Analysis of Computer Simulators for Carbon Dynamics[贝叶斯灵敏度和不确定性分析在碳动力学计算机模拟机统计分析中的应用 ]
  Marc Kennedy(谢菲尔德大学) 关于森林生态系统中碳的动态变化的不确定性对于确定和核实政策具有重大影响，从批准“京都议定书”的困难可以看出这一点。量化和减少这种不确定性需要在统一的统...
热度：31

215
Nonparametric Bayesian Models in Machine Learning[机器学习中的非参数贝叶斯模型]
  Zoubin Ghahramani(剑桥大学) 贝叶斯方法可以以原则的方式处理不确定性，避免过度拟合的问题，并结合领域知识。但是，大多数参数模型太有限，无法充分模拟复杂的现实世界问题。因此，兴趣转移...
热度：68

216
Convex transduction with the normalized cut[归一化切口的凸转导]
  Tijl De Bie(布里斯托尔大学) 我们讨论了基于图切割成本函数的转换方法。更具体地说，我们关注归一化切割，这是许多聚类应用中的成本函数选择，特别是在图像分割中。由于优化归一化切割成本是...
热度：48

217
Convex Optimization[凸优化]
  Lieven Vandenberghe(加州大学) 这些讲座将介绍凸优化的理论和应用，并概述算法的最新发展。第一讲将介绍凸分析的基础知识，重点关注对凸建模最有用的结果，即识别和制定应用中的凸优化问题。我...
热度：228

218
Bayesian Nonparametrics[贝叶斯非参数]
  Yee Whye Teh(牛津大学) 机器学习研究人员经常不得不在大型复杂模型和稀疏数据的背景下应对模型选择和模型拟合的问题。我在这个项目中推动的想法是，使用贝叶斯技术可以很好地处理这些。...
热度：178

219
Bayesian Inference[贝叶斯推理]
  Peter Green(布里斯托尔大学) 推断是从数据中发现可能已经导致或生成该数据的机制，或者至少解释它的过程。目标的变化可能只是简单地预测未来的数据，或者更加雄心勃勃地得出有关科学或社会真...
热度：150

220
Seeking Interpretable Models for High Dimensional Data[寻找高维数据的可解释模型]
  Bin Yu(加州大学伯克利分校) 从高维数据中提取有用信息是当今统计研究和实践的重点。在通过正规化进行预测的统计机器学习取得广泛成功之后，可解释性正在受到关注，稀疏性已被用作其代理。由...
热度：76

221
Optimization Algorithms in Support Vector Machines[支持向量机的优化算法]
  Stephen J. Wright(威斯康星大学) 本讲座介绍了在语音和音频波形环境中进行非平稳性检测的技术，广泛应用于任何一类具有局部静止行为的时间序列。许多这样的波形，特别是携带自然声音信号的信息，...
热度：36

222
Learning Deformable Models[学习变形模型]
  Yali Amit(芝加哥大学) 众所周知，高级计算机视觉中的基本构建块是可变形模板，其表示图像中对象类的实现，作为底层模型的嘈杂几何实例。实例化通常来自以身份为中心的某个组的子集，其...
热度：64

223
Contrast Data Mining: Methods and Applications[对比数据挖掘：方法和应用]
  Rao Kotagiri(墨尔本大学) 区分，区分和区分不同数据集的能力是数据挖掘的关键目标。这种能力可以帮助领域专家了解他们的数据，并可以帮助建立分类模型。他的演讲将介绍对比不同类型数据的...
热度：62

224
Introduction to Statistical Machine Learning[统计机器学习导论]
  Marcus Hutter(IDSIA公司) 他的教程的第一部分简要概述了统计机器学习的基本方法和应用。其他发言者将详细介绍或以此介绍为基础。统计机器学习涉及通过构建可用于进行预测和决策的随机模型...
热度：150

225
Monte Carlo Simulation for Statistical Inference, Model Selection and Decision Making [统计推断、模型选择和决策的蒙特卡罗模拟]
  Nando de Freitas(不列颠哥伦比亚大学) **他课程的第一部分**将包括两个演讲。在第一个演讲中，他将介绍用于统计推断的蒙特卡罗模拟的基本原理，重点是重要性采样，粒子滤波和动态模型平滑，马尔可夫链...
热度：46