图 书 馆2019年度热门境外开放课程排行榜
31
32
33
34
35
36
37
38
39
40
31Signals and Systems[信号与系统]
Dennis Freeman(麻省理工学院) 6.003包括信号与系统分析的基本原理、离散和连续时间信号的关注表示(奇异函数,复指数和几何学图形,傅里叶表示,拉普拉斯,Z变换,采样)和表示的线性定常系统(差异和...
2019年热度：117 总热度：203 转化热度：20
Dennis Freeman(麻省理工学院) 6.003包括信号与系统分析的基本原理、离散和连续时间信号的关注表示(奇异函数,复指数和几何学图形,傅里叶表示,拉普拉斯,Z变换,采样)和表示的线性定常系统(差异和...
2019年热度：117 总热度：203 转化热度：20
326.012 Microelectronic Devices and Circuits[6.012微电子器件与电路]
Clifton Fonstad, Jr(麻省理工学院) 6.012是本系“装置、电路及系统”课程的头课程。课程内容包括微电子器件的建模、微电子电路的基本分析与设计、半导体结与MOS器件的物理电子学、电行为与内部物理...
2019年热度：116 总热度：215 转化热度：22
Clifton Fonstad, Jr(麻省理工学院) 6.012是本系“装置、电路及系统”课程的头课程。课程内容包括微电子器件的建模、微电子电路的基本分析与设计、半导体结与MOS器件的物理电子学、电行为与内部物理...
2019年热度：116 总热度：215 转化热度：22
33SCAN: A Structural Clustering Algorithm for Networks[扫描：一种网络结构聚类算法]
Xiaowei Xu(阿肯色大学) 网络聚类（或分割）是一个重要的任务，在网络基础结构的发现。许多算法发现集群通过集群内边缘的数量最大化。虽然这种算法找到有用的和有趣的结构，他们往往无法...
2019年热度：110 总热度：293 转化热度：10
Xiaowei Xu(阿肯色大学) 网络聚类（或分割）是一个重要的任务，在网络基础结构的发现。许多算法发现集群通过集群内边缘的数量最大化。虽然这种算法找到有用的和有趣的结构，他们往往无法...
2019年热度：110 总热度：293 转化热度：10
34On Multi-View Active Learning and the Combination with Semi-Supervised Learning[多视图主动学习与半监督学习相结合]
Zhi-Hua Zhou(南京大学) 多视图学习已成为过去几年的热门话题。在本文中，我们首先描述多视图主动学习的样本复杂性。在α扩展假设下，我们得到样本复杂度从通常的Õ（1 /ε）到Õ（log 1 /ε...
2019年热度：110 总热度：179 转化热度：11
Zhi-Hua Zhou(南京大学) 多视图学习已成为过去几年的热门话题。在本文中，我们首先描述多视图主动学习的样本复杂性。在α扩展假设下，我们得到样本复杂度从通常的Õ（1 /ε）到Õ（log 1 /ε...
2019年热度：110 总热度：179 转化热度：11
35Unbiased Offline Evaluation of Contextual-bandit-based News Article Recommendation Algorithms[基于上下文的强盗新闻推荐算法的无偏离线评价]
Lihong Li(微软公司) 上下文盗版者算法在Digg、Yahoo!以及新闻推荐。离线评估新算法在这些应用程序中的有效性对于保护在线用户体验至关重要，但由于它们的“部分标签”性质，因此非常...
2019年热度：108 总热度：286 转化热度：12
Lihong Li(微软公司) 上下文盗版者算法在Digg、Yahoo!以及新闻推荐。离线评估新算法在这些应用程序中的有效性对于保护在线用户体验至关重要，但由于它们的“部分标签”性质，因此非常...
2019年热度：108 总热度：286 转化热度：12
36Introduction to Linguistics (24.900)[语言学导论（24.900）]
Prof. Suzanne Flynn(麻省理工学院) 这门核心课程的语言学课程将提供一些关于人类语言本质的基本问题的答案。主题包括控制语言的复杂系统、语言是如何习得的、语言之间的异同、口语(和手语)与书面语...
2019年热度：108 总热度：154 转化热度：22
Prof. Suzanne Flynn(麻省理工学院) 这门核心课程的语言学课程将提供一些关于人类语言本质的基本问题的答案。主题包括控制语言的复杂系统、语言是如何习得的、语言之间的异同、口语(和手语)与书面语...
2019年热度：108 总热度：154 转化热度：22
37Lectures on Clustering[关于聚类的讲座]
Ulrike von Luxburg(马克斯普朗克研究所) 这些讲座介绍了数据聚类:我们讨论了一些算法，同时也讨论了与聚类相关的理论问题。前两节课的主题是光谱聚类:图Laplacians及其特性、光谱聚类算法、算法的数学推...
2019年热度：108 总热度：136 转化热度：9
Ulrike von Luxburg(马克斯普朗克研究所) 这些讲座介绍了数据聚类:我们讨论了一些算法，同时也讨论了与聚类相关的理论问题。前两节课的主题是光谱聚类:图Laplacians及其特性、光谱聚类算法、算法的数学推...
2019年热度：108 总热度：136 转化热度：9
38Psychology in Human-Computer Interaction[人机交互心理学]
David Kieras(密西根大学) 本课程旨在为新来者提供HCI领域的足够背景，使他们的会议体验更有意义。它提供了一个框架来理解各种主题是如何与研究和实践相关的。这是一个尝试和真实的介绍，...
2019年热度：106 总热度：201 转化热度：10
David Kieras(密西根大学) 本课程旨在为新来者提供HCI领域的足够背景，使他们的会议体验更有意义。它提供了一个框架来理解各种主题是如何与研究和实践相关的。这是一个尝试和真实的介绍，...
2019年热度：106 总热度：201 转化热度：10
39Multiplicative Updates for L1-Regularized Linear and Logistic Regression[L1正则线性回归和逻辑回归的乘法更新 ]
Lawrence Saul(加州大学圣地亚哥分校 ) 事实证明，乘法更新规则在许多机器学习领域都很有用。它们易于实现，保证收敛，它们部分地解释了非负矩阵分解和期望最大化等算法的广泛普及。在本文中，我们展示...
2019年热度：106 总热度：192 转化热度：1
Lawrence Saul(加州大学圣地亚哥分校 ) 事实证明，乘法更新规则在许多机器学习领域都很有用。它们易于实现，保证收敛，它们部分地解释了非负矩阵分解和期望最大化等算法的广泛普及。在本文中，我们展示...
2019年热度：106 总热度：192 转化热度：1
40Transfer Learning for Collaborative Filtering via a Rating-Matrix Generative Model[通过评级矩阵生成模型进行协同过滤的转移学习]
Bin Li(复旦大学) 跨域协作过滤通过跨多个域转移评级知识来解决稀疏性问题。在本文中，我们提出了一个评级矩阵生成模型（RMGM），用于有效的跨域协作过滤。我们首先表明，可以通过...
2019年热度：103 总热度：160 转化热度：15
Bin Li(复旦大学) 跨域协作过滤通过跨多个域转移评级知识来解决稀疏性问题。在本文中，我们提出了一个评级矩阵生成模型（RMGM），用于有效的跨域协作过滤。我们首先表明，可以通过...
2019年热度：103 总热度：160 转化热度：15