图 书 馆2020年度热门境外开放课程排行榜
31
32
33
34
35
36
37
38
39
40
31Math 113B. Lec. 23. Introduction to Mathematical Modeling in Biology: Poincare-Bendixon[生物数学建模简介：庞加莱班狄克生]
German Andres Enciso Ruiz(加州大学尔湾分校) 本课程是为具有基本数学背景的数学和生物学本科生开设的，包括使用连续ODE方法(而不是113A中使用的离散方法)建模生物问题的介绍。我们在一个简单的种群模型的背...
2020年热度：22 总热度：195 转化热度：7
German Andres Enciso Ruiz(加州大学尔湾分校) 本课程是为具有基本数学背景的数学和生物学本科生开设的，包括使用连续ODE方法(而不是113A中使用的离散方法)建模生物问题的介绍。我们在一个简单的种群模型的背...
2020年热度：22 总热度：195 转化热度：7
32WhereNext: a Location Predictor on Trajectory Pattern Mining[wherenext：轨迹模式挖掘位置预测]
Roberto Trasarti(国家研究委员会) 移动设备和基于位置的服务的普及导致移动数据量不断增加。这种副作用为分析运动行为的创新方法提供了机会。 本文提出了下一步, 这是一种旨在以一定的精度预测运...
2020年热度：22 总热度：191 转化热度：2
Roberto Trasarti(国家研究委员会) 移动设备和基于位置的服务的普及导致移动数据量不断增加。这种副作用为分析运动行为的创新方法提供了机会。 本文提出了下一步, 这是一种旨在以一定的精度预测运...
2020年热度：22 总热度：191 转化热度：2
33Chem 1B (Spring 2012): Born-Haber Cycle, Mean Bond Enthalpies and Calorimetry[波恩-哈伯循环，平均键焓和热]
A.J. Shaka(加州大学尔湾分校) 说明：UCI Chem 1B是通用化学的第二季度，涵盖以下主题：气体、液体、固体的性质；状态变化；溶液的性质；化学计量学；热化学；和热力学。
2020年热度：22 总热度：164 转化热度：6
A.J. Shaka(加州大学尔湾分校) 说明：UCI Chem 1B是通用化学的第二季度，涵盖以下主题：气体、液体、固体的性质；状态变化；溶液的性质；化学计量学；热化学；和热力学。
2020年热度：22 总热度：164 转化热度：6
34Engineering MAE 91. Intro to Thermodynamics. Lecture 10.[工程协会91。介绍了热力学。讲座10]
Roger Rangel(加州大学尔湾分校) 本课程介绍热力学原理;代表工程问题的开闭系统;以及热力学第一和第二定律在工程系统和设计中的应用。主题包括:热力学概念，热力学性质，热力学第一定律，控制体...
2020年热度：22 总热度：156 转化热度：3
Roger Rangel(加州大学尔湾分校) 本课程介绍热力学原理;代表工程问题的开闭系统;以及热力学第一和第二定律在工程系统和设计中的应用。主题包括:热力学概念，热力学性质，热力学第一定律，控制体...
2020年热度：22 总热度：156 转化热度：3
35Using Graded-Relevance Metrics for Evaluating Community QA Answer Selection[使用分级相关度量评价社区问答]
Tetsuya Sakai(微软公司) 社区问答(CQA)网站，如雅虎!答案作为信息寻求者丰富的知识资源而出现。然而，贴在CQA站点上的答案可能是不相关的、不完整的、冗余的、不正确的、有偏见的、格式...
2020年热度：22 总热度：138 转化热度：3
Tetsuya Sakai(微软公司) 社区问答(CQA)网站，如雅虎!答案作为信息寻求者丰富的知识资源而出现。然而，贴在CQA站点上的答案可能是不相关的、不完整的、冗余的、不正确的、有偏见的、格式...
2020年热度：22 总热度：138 转化热度：3
36Multi-Task Learning for Boosting with Application to Web Search Ranking[多任务学习促进与应用程序的网络搜索排名]
Srinivas Vadrevu(雅虎硅谷研究院) 本文提出了一种新的基于增强决策树的多任务学习算法。我们通过一个联合模型学习几个不同的学习任务, 通过特定于任务的参数显式地解决每个学习任务的细节, 以及它...
2020年热度：22 总热度：121 转化热度：1
Srinivas Vadrevu(雅虎硅谷研究院) 本文提出了一种新的基于增强决策树的多任务学习算法。我们通过一个联合模型学习几个不同的学习任务, 通过特定于任务的参数显式地解决每个学习任务的细节, 以及它...
2020年热度：22 总热度：121 转化热度：1
37Multi-Label Learning with Millions of Categories[多标签类别学习]
Manik Varma(微软公司) 我们的目标是构建一种算法，用于在输出空间包含数百万个类别时将数据点分类为一组标签。这是一种相对新颖的监督学习环境，带来了有趣的挑战，例如有效的培训和预...
2020年热度：22 总热度：109 转化热度：5
Manik Varma(微软公司) 我们的目标是构建一种算法，用于在输出空间包含数百万个类别时将数据点分类为一组标签。这是一种相对新颖的监督学习环境，带来了有趣的挑战，例如有效的培训和预...
2020年热度：22 总热度：109 转化热度：5
38Mountain building in Scotland[在苏格兰的山区建设]
The Open University(英国开放大学) 在苏格兰高地可以看到一些英国最引人注目的风景。强大的本尼维斯，荒凉的凯恩戈姆高原，或雄伟的格兰科景观，都可以在我们所有人身上释放出野性的召唤。尽管这些...
2020年热度：22 总热度：81 转化热度：1
The Open University(英国开放大学) 在苏格兰高地可以看到一些英国最引人注目的风景。强大的本尼维斯，荒凉的凯恩戈姆高原，或雄伟的格兰科景观，都可以在我们所有人身上释放出野性的召唤。尽管这些...
2020年热度：22 总热度：81 转化热度：1
3918.304 Undergraduate Seminar in Discrete Mathematics (MIT)[离散数学中的18.304个本科班（麻省理工学院）]
Daniel Kleitman(麻省理工学院) 本课程是学生介绍的组合学、图论和一般离散数学的研讨会。强调书面和口头交流的教学和实践, 参与者阅读和提交来自最近数学文献的论文, 并在相关主题中撰写论文。
2020年热度：21 总热度：1027 转化热度：152
Daniel Kleitman(麻省理工学院) 本课程是学生介绍的组合学、图论和一般离散数学的研讨会。强调书面和口头交流的教学和实践, 参与者阅读和提交来自最近数学文献的论文, 并在相关主题中撰写论文。
2020年热度：21 总热度：1027 转化热度：152
40Density Ratio Estimation in Machine Learning[机器学习中的密度比估计]
Masashi Sugiyama(东京理工大学) 在统计机器学习中，避免密度估计是必要的，因为它通常比解决目标机器学习问题本身更困难。这通常被称为Vapnik原理，而支持向量机就是这一原理的成功实现之一。基...
2020年热度：21 总热度：579 转化热度：46
Masashi Sugiyama(东京理工大学) 在统计机器学习中，避免密度估计是必要的，因为它通常比解决目标机器学习问题本身更困难。这通常被称为Vapnik原理，而支持向量机就是这一原理的成功实现之一。基...
2020年热度：21 总热度：579 转化热度：46