2020年度热门境外开放课程排行榜

81
Calculus: Optimization[积分:优化]
  German Andres Enciso Ruiz(加州大学尔湾分校) UCI Math 2A是单变量微积分的第一学期,涵盖了以下主题:导数的介绍,代数和三角函数导数的计算;应用包括曲线素描,相关率,和优化;指数函数和对数函数。
2020年热度:18     总热度:106    转化热度:4

82
Rated Aspect Summarization of Short Comments[简短评论评级方面的综述]
  Yue Lu, ChengXiang Zhai, Neel Sundaresan(伊利诺伊大学) Web 2.0技术使越来越多的人能够自由地对不同类型的实体(如卖方、产品、服务)进行评论。大量的信息提出了自动摘要的需要和挑战。在许多情况下,每个用户生成的简...
2020年热度:18     总热度:101    转化热度:2

83
24.500 Topics in Philosophy of Mind: Perceptual Experience[心灵哲学的主题:感性经验]
  Prof. Susanna Siegel ;Prof. Alex Byrne(麻省理工学院) 本课程是对最近的感知哲学的概述。讨论的主要议题如下: 感性经验的透明度、连续性主义、感性经验的内容、感性意识、思想所有权和思想障碍 (专注于精神分裂症)、...
2020年热度:18     总热度:84    转化热度:2

84
Math 113B. Lec. 01. Intro to Mathematical Modeling in Biology: Introduction to the Course[在生物数学建模简介:课程简介]
  German Andres Enciso Ruiz(加州大学尔湾分校) UCI Math 113B适用于数学具有基础数学背景的生物学本科生,它包括使用连续ODE方法(而不是113A中使用的离散方法)对生物学问题进行建模的介绍。我们在简单的人口...
2020年热度:18     总热度:80    转化热度:1

85
Math 1A/1B. Pre-Calculus: Half-Angle Identities, Part 2[预微积分:半角恒等式,2]
  Sarah Eichhorn(加州大学尔湾分校) 旨在帮助学生为微积分课程。本课程的学习将使学生在代数和三角学方面获得坚实的基础。课程重点关注对微积分研究很重要的各种功能。
2020年热度:18     总热度:67    转化热度:2

86
Nanotechnology, development and public policy[纳米技术,发展与公共政策]
  John Armstrong(麻省大学) 在这次谈话中,阿姆斯特朗博士将讨论在处理发展和公共政策问题时在纳米技术方面应考虑的五点。阿姆斯特朗博士着重于纳米技术这个术语的模糊性,它被概念化的抽象...
2020年热度:18     总热度:53    转化热度:5

87
Unbiased 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...
2020年热度:17     总热度:286    转化热度:12

88
Edit wars in Wikipedia: How cooperative value is formed[编辑维基百科战争:合作价值如何形成]
  János Kertész(布达佩斯技术与经济大学) 新媒体提供了全新的合作方式,为处理规模或复杂性极大的任务提供了前所未有的机会。这种价值生产最突出的例子是维基百科(WP),这是一个免费的、协作的、多语言的...
2020年热度:17     总热度:175    转化热度:2

89
Chem 51B. Lec 21. Organic Chemistry: Conjugation, Resonance, Diels-Alder Reactions, Part 1[有机化学:共轭共振,狄尔斯-阿尔德反应,1]
  David Van Vranken(加州大学尔湾分校) 这是第二季度的有机化学系列。涵盖的主题包括:与碳化合物相关的基本概念,重点是结构理论和化学键的性质,立体化学,反应机理以及碳化合物主要类别的光谱,物理...
2020年热度:17     总热度:166    转化热度:2

90
Kernelized Value Function Approximation for Reinforcement Learning[强化学习的核函数值函数逼近]
  Gavin Taylor(杜克大学) 最近,针对强化学习的核心化方法的研究激增,试图将核心机器学习技术的好处带入强化学习。核心强化学习技术相当新,不同的作者用不同的假设和目标来探讨这个主题...
2020年热度:17     总热度:161    转化热度:4