境外开放课程——最近更新(30天)

111
A Generative Model of Urban Activities from Cellular Data[基于蜂窝数据的城市活动生成模型]
  Mogeng Yin(KDD 2016研讨会) 基于活动的出行模型是在快速变化的出行需求背景下评估交通状况的主要工具。然而，基于活动的模型的数据收集是通过旅行调查进行的，这些调查不频繁、昂贵，并反映...
更新时间：2025-03-12 09:20:02

112
Improving Demand Prediction in Bike Sharing System by Learning Global Features[通过学习全局特征改进共享单车系统的需求预测]
  Ming Zeng(KDD 2016研讨会) 自行车共享系统在许多开放式停靠站部署自行车，供公众共享使用。这些自行车可以在任何一个停靠站办理入住和退房手续。预测每日访问量对于服务提供商优化自行车分...
更新时间：2025-03-12 09:19:54

113
Bayesian optimization and its applications for autonomous vehicles[贝叶斯优化及其在自动驾驶汽车中的应用]
  Jeff Schneider(KDD 2016研讨会) 贝叶斯优化及其在自动驾驶汽车中的应用
更新时间：2025-03-12 09:19:45

114
Making an Idea Machine: Modular Architecture for a Scaleable Exploratory Data Analysis Platform in Genomics, Sports and Beyond[制造创意机器：基因组学、体育等领域可扩展探索性数据分析平台的模块化架构]
  Jesse Paquette(KDD 2016研讨会) 在过去的20年里，探索性数据分析一直是基因组学研究发现的核心推动者。该领域的关键进展是将数据分析工具交到领域专家手中：非程序员和非统计学家，他们有能力在...
更新时间：2025-03-12 09:19:37

115
AI in Sport: What does it mean and how will it change sport in the future?[体育中的人工智能]
  Joel Brooks(KDD 2016研讨会) 体育中的人工智能：这意味着什么，它将如何改变未来的体育？
更新时间：2025-03-12 09:17:46

116
Recognizing and Analyzing Ball Screen Defense in the NBA[NBA球幕防守的认识与分析]
  Joel Brooks(KDD 2016研讨会) 随着NBA进入进攻阶段，决定如何防守球屏是NBA教练组面临的最关键的决定之一。在本次演讲中，我们将介绍一种工具的构建和应用，该工具用于自动识别常见的防守反击...
更新时间：2025-03-11 09:27:05

117
Gameplay First: Data Science at Blizzard Entertainment[游戏先行：暴雪娱乐的数据科学]
  Chaitanya Chemudugunta(KDD 2016研讨会) 暴雪娱乐以游戏玩法为先，以开发《魔兽世界》、《星际争霸》、《暗黑破坏神》、《炉石传说》、《风暴英雄》和《守望先锋》等高级游戏而闻名。每天有数千万玩家登...
更新时间：2025-03-11 09:26:52

118
Computational Video for Sports: Challenges for Large Scale Data Analysis[体育计算视频：大规模数据分析的挑战]
  Irfan Essa(KDD 2016研讨会) 视频技术对体育产生了巨大的影响。大多数职业体育赛事都是用视频拍摄的，被广播，并被许多人消费。视频也正在成为一种传感器，用于测量和分析运动表现、整体比赛...
更新时间：2025-03-11 09:26:41

119
Measuring Graph Proximity with Blink Model[用Blink模型测量图形接近度]
  Haifeng Qian(KDD 2016研讨会) 本文提出了一种新的图邻近度度量方法。该指标是网络可靠性的衍生指标。通过分析其属性并通过图形示例将其与其他邻近度度量进行比较，我们证明它比竞争对手更符合...
更新时间：2025-03-11 09:26:32

120
Distance-Based Influence in Networks: Computation and Maximization[网络中基于距离的影响：计算与最大化]
  Edith Cohen(KDD 2016研讨会) 网络分析的核心前提是，网络中的实体从它们的连接中获得效用。节点的种子集$S$的影响被定义为$S$到$j$的{\em效用}在节点$j$上的总和。基于距离的效用是距离从$S$...
更新时间：2025-03-11 09:26:20