Antisemitism: From Its Origins to the Present (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/antisemitism

简介: 课程名称：反犹太主义：从起源到现在 课程概述：本课程汇聚了全球50位顶尖学者，探讨与反犹太主义相关的问题和议题，包括：反犹太主义是什么？它是如何在历史中演变的？为何它会在多个文化中存在，甚至在对立的意识形态中出现？大屠杀后，反犹太主义发生了什么变化？今天反犹太主义如何表现，以及主要存在于哪些领域？ 课程大纲： 1. **反犹太主义是什么？定义与起源** 本周我们将开始探讨反犹太主义现象，讨论仇恨的本质、反犹太主义的独特特征及该术语的词源，并回顾其历史根源及早期发展，从古希腊罗马时期到中世纪。 2. **反犹太主义的变化面貌** 本周聚焦于现代时期，考察影响对犹太人态度的主要宗教、社会和政治运动，并了解这些变化如何塑造了欧洲及世界的反犹太主义态度。 3. **种族灭绝性反犹太主义：从第一次世界大战到大屠杀** 本周我们深入20世纪，探讨现代反犹太主义的概念和认识如何继续发展并被表达，最终以大屠杀这一悲惨事件达到了致命的高峰。 4. **当代反犹太主义** 本周我们将关注当代世界中反犹太主义的表现，特别是分析极右与极左两个主要领域中的反犹太主义表现。 5. **伊斯兰与阿拉伯世界** 本周我们将继续探讨当代反犹太主义，重点讨论当前尚未涉及的一个领域——阿拉伯和伊斯兰世界的历史与现状。 6. **应对反犹太主义** 在课程的最后一周，我们将进一步理解当代反犹太主义，探讨网络仇恨，以及如何在当今各种领域对抗和应对反犹太主义。

Antisemitismo: Desde sus orígenes hasta el presente (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/antisemitismo

简介: 课程名称：反犹太主义：从起源到现在 课程概述：在本课程中，50位来自全球的杰出学者将探讨与反犹太主义相关的问题和议题，包括：什么是反犹太主义？它是如何随着历史发展变化的？为什么它存在于如此多样的文化中，甚至在对立的意识形态之间？大屠杀之后，反犹太主义发生了什么变化？今天反犹太主义如何表现，以及主要存在于哪些领域？ 课程大纲： 1. 什么是反犹太主义？定义与起源 - 本周将开始探索反犹太主义现象。讨论仇恨的本质、反犹太主义的独特特征及该术语的词源，并回顾历史根源，从希腊罗马时期到中世纪的发展。 2. 反犹太主义的变化面貌 - 本周将探讨现代时代，考察对犹太人的态度如何受到塑造欧洲及世界的主要宗教、社会和政治运动的影响。 3. 灭绝性的反犹太主义：从第一次世界大战到大屠杀 - 本周将深入20世纪，观察现代反犹太主义观念和感知如何发展并表现，特别是其在大屠杀这一灾难性事件中的顶峰。 4. 当代反犹太主义 - 本周将分析现代世界中反犹太主义的表现，着重在当今主要两个领域：极右和极左。 5. 伊斯兰与阿拉伯世界 - 本周将继续探讨当代反犹太主义，聚焦在之前未讨论的领域：阿拉伯和伊斯兰世界的过去和现在。 6. 应对反犹太主义 - 在课程的最后一周，将尝试加深对当代反犹太主义的理解，探讨在线仇恨现象，并检查今天各个领域应对和处理反犹太主义的方式。

Apache Spark (TM) SQL for Data Analysts (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/apache-spark-sql-for-data-analysts

简介: 课程总结：Apache Spark (TM) SQL for Data Analysts 本课程旨在帮助数据分析师掌握Apache Spark这一大数据分析领域中的重要技术。通过课程学习，学员将能够利用现有的SQL技能快速上手Spark，并了解如何使用Delta Lake，这是一种高性能的开源存储层，旨在为数据湖提供可靠性。 课程内容包括： 1. 课程介绍：了解学习目标和常见问题，与同学互动。 2. Spark使大数据变简单：介绍Spark的基本概念和优势。 3. 在Databricks上使用Spark SQL：学习在Databricks平台上应用Spark SQL。 4. Spark的内部工作原理：深入理解Spark的架构和工作机制。 5. 复杂查询：掌握处理复杂查询的技巧。 6. 实践Spark SQL：通过实际案例应用Spark SQL。 7. 数据存储与优化：学习数据存储策略及优化方法。 8. 使用Spark SQL的Delta Lake：了解Delta Lake如何与Spark SQL结合使用。 9. SQL编码挑战：通过编码练习巩固学习成果。 完成本课程后，学员将能够使用Spark SQL和Delta Lake进行数据的获取、转化和查询，为团队提供有价值的洞察和分析支持。

API Design and Fundamentals of Google Cloud's Apigee API Platform (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/api-design-apigee-gcp

简介: 课程名称：Google Cloud的Apigee API平台的API设计与基础 概述：本课程旨在教您如何设计API，并使用OpenAPI规范对其进行文档编制。您将了解API生命周期，以及Apigee API平台如何帮助您管理生命周期的各个方面。课程还将介绍如何通过API代理设计API，以及如何将API打包为供应用程序开发人员使用的API产品。 通过讲座、动手实验和补充材料的结合，您将学习如何使用Google Cloud的Apigee API平台设计、构建、安全、部署和管理API解决方案。这是“使用Google Cloud的Apigee API平台开发API”系列课程的第一门课。完成此课程后，您可以报名参加“Google Cloud的Apigee API平台上的API安全性”课程。 大纲： - 模块0：介绍 - 描述：欢迎参加API设计与基础课程！这是“使用Google Cloud的Apigee API平台开发API”系列的第一门课程。 - 模块1：Apigee概览 - 描述：本模块介绍Apigee平台、API管理以及API生命周期。 - 模块2：API优先与OpenAPI规范 - 描述：本模块介绍REST API设计的基本概念、API优先开发和OpenAPI规范。 - 模块3：API代理 - 描述：本模块介绍API代理、代理和目标端点、环境组、路由规则、目标服务器、条件、流程和策略。 - 模块4：API产品 - 描述：本模块介绍REST API响应设计、API产品、应用开发者、应用、API密钥和API产品策略。

API Development on Google Cloud's Apigee API Platform (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/api-development-apigee-gcp

简介: 课程名称：Google Cloud的Apigee API平台上的API开发 课程概述：本课程旨在教会您如何创建利用多个服务的API，以及在Apigee上使用自定义代码的方式。您将学习故障处理和如何在代理之间共享逻辑。课程还涉及流量管理和缓存的相关内容。此外，您将创建一个开发者门户，并将API发布到该门户上。您还将学习日志记录和分析，以及持续集成/持续部署（CI/CD）和Apigee支持的不同部署模型。通过讲座、实践实验和补充材料的结合，您将学习如何在Google Cloud的Apigee API平台上设计、构建、安全、部署和管理API解决方案。这是“使用Google Cloud的Apigee API平台开发API”系列课程的第三门也是最后一门课程。 课程大纲： 1. **介绍**：欢迎参加API开发课程！这是“使用Google Cloud的Apigee API平台开发API”系列的第三门课程。 2. **中介**：本模块介绍中介概念，包括有效载荷格式与转换、服务调用、自定义代码策略、托管目标、共享流和故障处理。 3. **流量管理**：本模块介绍Apigee中的流量管理，包括流量峰值控制、配额和缓存。 4. **API发布**：本模块介绍API的发布过程、开发者门户和API版本管理。 5. **日志记录与分析**：本模块介绍消息日志记录、Cloud Logging以及Apigee的分析工具。 6. **高级主题**：本模块介绍Apigee的部署选项以及CI/CD工具和策略。

API Security on Google Cloud's Apigee API Platform (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/api-security-apigee-gcp

简介: 课程名称：Google Cloud的Apigee API平台上的API安全性 课程概述：在本课程中，您将学习如何保护您的API。您将探索API所面临的安全问题，并学习OAuth，这是REST API的主要授权方法。课程内容还包括JSON Web令牌（JWT）和联邦安全性，以及如何防范恶意请求，安全地通过公共网络发送请求，并为Apigee用户保护数据。通过讲座、实践实验和补充材料的结合，您将学习如何使用Google Cloud的Apigee API平台设计、构建、安全、部署和管理API解决方案。 这是“使用Google Cloud的Apigee API平台开发API”系列中的第二门课程。完成本课程后，您可以注册“Google Cloud的Apigee API平台上的API开发”课程。 课程大纲： - 模块0：介绍 - 描述：欢迎来到API安全性！这是“使用Google Cloud的Apigee API平台开发API”系列中的第二门课程。 - 模块1：身份验证、授权与OAuth - 描述：本模块介绍API安全性问题、OAuth、JSON Web令牌、SAML和OpenID Connect。 - 模块2：内容、传输和平台安全性 - 描述：本模块介绍基于内容的攻击、传输安全性以及保护免受未经授权的访问。

APIs (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/apis

简介: 课程名称：APIs 课程概述：深入了解API的流程和概念及其基础架构。探索支撑API开发的关键概念以及表现状态转移（REST）架构风格的原则。利用Django构建用于web应用的基本API和REST数据后端。发现新兴的API技术，并实践其他构建和使用API的方法。最后，您将测试、优化和为API开发文档。 课程大纲： 1. 名称：REST APIs 描述：了解RESTful API开发的基本知识。 2. 名称：Django REST框架 描述：使用Django REST框架高效创建API，学习如何将数据库模型序列化及转换、验证和渲染数据。 3. 名称：高级API开发 描述：控制对API的访问，并建立系统以确保API的健康状态。 4. 名称：最终项目评估 描述：实践并反思在本课程中所学的技能。

Aplicaciones musicales con Arduino (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/aplicaciones-musicales-arduino

简介: 课程名称：用Arduino制作音乐应用 课程概述：本课程将深入硬件领域，学习使用开源开发板Arduino，特别关注其在音乐实验中的应用。我们将学习构建自己的声音生成器，并通过这些生成器进行声音装置的创作，以此拓展我们的创造力，向物质世界延伸，而不仅仅停留在数据层面。 课程大纲： 第一部分：电子理论 在本模块中，将介绍理解我们在音乐项目中使用的设备工作原理所需的物理概念。我们将回顾课程中使用的主要电子元件。 第二部分：硬件配置 在该模块中，我们将学习如何配置Arduino板，以及与输入和输出电子设备进行通信所需的基本语法。 第三部分：通信协议 在第三模块中，我们将学习如何通过串口将Arduino板与音乐程序进行通信，使用MIDI协议。这将使我们在整个专业课程中开发的音乐工具达到更高的水平。 第四部分：Arduino项目 在此模块中，我们将回顾一些项目和创意，作为参照，了解如何将电子元件整合用于音乐创作。同时，我们将创建一个类似theremin的MIDI控制器示例。

App Deployment, Debugging, and Performance (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/app-deployment-debugging-performance

简介: 课程名称：应用程序部署、调试和性能 课程概述：在本课程中，应用程序开发人员将学习如何设计和开发无缝集成来自 Google Cloud 生态系统的组件的云原生应用程序。通过演示、示范和动手实验，参与者将学习如何通过将基础设施视为代码，创建可重复的部署，选择适合应用程序的执行环境，以及监控应用程序性能。学习者可以选择使用他们喜爱的编程语言（Node.js、Java 或 Python）完成实验。 课程大纲： 1. 课程介绍 - 描述：欢迎参加本课程。 2. 应用程序部署 - 描述：本模块涵盖在 Google Cloud 中部署应用程序的相关内容。 3. 应用程序的计算选项 - 描述：本模块介绍 Google Cloud 中可用于应用程序的各种计算选项。 4. 监控与性能调优 - 描述：本模块讲解如何使用 Google Cloud 的操作套件调试、监控和追踪应用程序的性能。 5. 课程总结 - 描述：本模块回顾了课程中涉及的概念。

App Deployment, Debugging, and Performance en Français (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/app-deployment-debugging-performance-fr

简介: 该课程名为《应用程序部署、调试和性能》。在这门课程中，应用开发者学习如何设计和开发与Google Cloud管理服务完美集成的云原生应用程序。课程通过一系列演示、演讲和实践工作坊，教授应用程序开发的最佳实践，并使用适当的Google Cloud存储服务进行对象存储、关系数据存储、缓存和分析。参与者可以选择自己喜欢的语言（Node.js、Java或Python）进行工作坊。 课程大纲包括第一部分：调试、监控和性能调优。该模块讨论了如何利用Google Cloud Operations套件对应用程序进行调试、监控和性能追踪。

App Design and Development for iOS (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ios-app-design-development

简介: 课程名称：iOS应用设计与开发 概述：在《iOS应用设计与开发》课程中，这是Swift专业的第三门课程，您将培养基础编程技能，以支持图形元素展示和数据操作，从基本功能到高级处理。您将继续扩充技能集，使用和应用核心图形、触控处理和手势、动画与过渡、警报与动作，以及高级算法、线程等。课程结束时，您将能够开发出更高级的、功能齐全的应用程序。 当前课程使用Swift 2进行教学，团队意识到Swift 3的发布，并将在适当时更新课程内容。请注意，目前的教学完全基于Swift 2。 课程大纲： 1. 用户互动：在本模块中，您将学习如何为用户的交互设计。 2. 多视图控制器与导航：在此模块中，我们将探索用于导航应用的不同控制器。 3. 持久化与网络：了解如何定制应用程序行为以满足用户偏好。 4. watchOS 2开发简介：在本模块中，我们将为您提供一些设计watchOS 2的工具。 5. 同行评估：课程的最终评估。

Application Deployment, Debug, Performance 日本語版 (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/app-deployment-debugging-performance-jp

简介: 本コース「Application Deployment, Debug, Performance 日本語版」は、アプリケーションデベロッパー向けに設計されており、Google Cloudのマネージドサービスを統合したクラウドネイティブアプリケーションの設計と開発について学ぶことができます。受講者は、プレゼンテーション、デモ、ハンズオンラボを通じてアプリケーション開発のベストプラクティスを学び、オブジェクトストレージ、リレーショナルデータ、キャッシュ、分析向けの適切なGoogle Cloudストレージサービスを活用する方法を習得します。ラボ作業は、Node.js、Java、Pythonのいずれかの言語を選んで行うことができます。 コースの主要モジュールは次のとおりです： 1. **アプリケーションのデプロイ**: Google Cloudでのアプリケーションデプロイメントの方法を解説。 2. **アプリケーションの実行環境**: Google Cloud上で利用できる多様なアプリケーション実行環境について学ぶ。 3. **デバッグ、モニタリング、パフォーマンス調整**: Google Cloudのオペレーションスイートを用いて、アプリケーションのデバッグ、モニタリング、パフォーマンス調整の方法を説明。 このコースを受講することで、受講者は実践的なスキルを身につけ、クラウド環境でのアプリケーション開発の能力を向上させることができます。

Application Development using Microservices and Serverless (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/applications-development-microservices-serverless-openshift

简介: 课程名称：微服务和无服务器应用开发 课程概述：您是否是一位准备探索无服务器应用开发的开发者？本中级课程正适合您！课程将帮助您理解无服务器对开发者的好处，学习在何种情况下应使用无服务器编程、无服务器部署模型，并探讨其主要用例和设计模式。您还将了解无服务器如何支持持续集成和持续交付（CI/CD）以及微服务集成。 通过实践实验，您将巩固无服务器编程的概念，掌握云端函数的创建、部署和调用，包括使用OpenShift和Istio部署微服务。完成该课程后，您将自信地构建一个使用IBM云函数、OpenShift、Istio等的多层Web应用。 课程大纲： 1. 微服务简介：学习创建微服务时应遵循的方法论，了解应用程序开发、部署和运营阶段的最佳实践。理解微服务如何允许独立设计、部署和扩展，从而避免架构中的单点故障，同时了解设计微服务应用时应避免的不同反模式。 2. Web API基本知识：学习REST架构及其灵活性、统一性和可扩展性的关键特性。使用Python和Flask创建您的第一个REST API，通过Swagger进行文档化，并使用cURL、Postman及Swagger提供的功能进行测试。了解API网关的重要性和优势，尤其是在抽象后端和允许插入额外服务方面。 3. 无服务器概述：学习无服务器应用的基本知识，将其与容器和传统计算模型进行比较，了解各自的优缺点。理解无服务器功能即服务（Function-as-a-Service）模型及其限制，概览无服务器框架、参考架构及其他用例，了解当前常用的无服务器平台。 4. 使用无服务器创建和部署微服务：学习IBM Cloud Code Engine如何在几秒钟内构建和部署应用程序的过程，认识IBM Cloud Code Engine的用例，并使用Dockerfile构建基于容器的应用。掌握使用IBM Cloud控制台或IBM Cloud CLI进行应用部署的任务，并将其部署到IBM Cloud Code Engine。 5. 最终项目：实际应用所学知识，完成课程的最终项目。 6. 可选模块：OpenShift基础与使用OpenShift和Istio：探索Red Hat® OpenShift®作为Kubernetes的容器平台如何帮助您自动化云应用程序的配置、管理和扩展。了解什么是服务网格，及其如何为使用微服务的组织带来益处，最后，深入理解在OpenShift上实现微服务的相关知识。

Application Development with Cloud Run (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/application-development-with-cloud-run

简介: 课程名称：云端应用开发与 Cloud Run 课程概述：本课程介绍了现代云原生应用开发的基础知识、实践、能力和工具，使用 Google Cloud Run 进行学习。通过讲座、实操实验和补充资料的结合，学员将掌握在 Google Cloud 上设计、实施、部署、保护、管理和扩展应用程序的方法。 课程大纲： 1. 课程简介：课程的整体介绍。 2. Cloud Run 介绍：对 Cloud Run 的介绍，这是一个可扩展的按需网络应用平台。 3. 深入了解 Cloud Run：更深入地探讨 Cloud Run 的功能。 4. 构建容器镜像：深入了解容器的概念。 5. 深入挖掘 Cloud Run：学习如何使用 Cloud Run 构建可靠和可扩展的应用程序。 6. 服务身份与身份验证：解释服务身份和身份验证的工作机制。 7. 处理请求：讨论如何使用 Cloud Run 处理请求。 8. 控制入站与出站请求：学习如何在 Cloud Run 中控制入站和出站流量。 9. 持久化数据：介绍在 Cloud Run 中持久化数据的方法。 10. 服务间通信：讲解如何配置 Cloud Run 应用中的服务间通信。 11. 构建无服务器工作流：展示如何配置 Cloud Run 工作流。 通过本课程，学员将获得云端应用开发的全面知识，并能够在实际项目中运用所学技能。

Application Modernization for Enterprise Systems (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/application-modernization-for-enterprise-systems

简介: 课程名称：企业系统的应用现代化 概述：在这个学习旅程中，您将学习如何在包括 IBM Z 在内的混合云环境中应用现代化。我们将探讨通过 DevOps 实现生命周期赋能，如何创建以应用为中心的环境，建立数据中心集成，并利用事件驱动响应。 通过数字内容、使用案例和动手练习，我们提供了一个机会，让您了解并学习实现现代化的最佳方法。 教学大纲： 1. 第一部分：为什么要对大型主机进行应用现代化？ 描述：在这个学习模块中，您将了解现代化技术进步如何解锁托管在 IBM Z 上的计算环境。 2. 第二部分：应用发现、实施企业 DevOps 和 API 管理 描述：在本模块中，您将学习现代开发管道的必要性，以及如何利用这一点来推动整个企业的 DevOps 战略。 3. 第三部分：应用共存、现代数据访问、事件响应和优化 CQRS 描述：在 IBM Z 上将应用程序同置于一个容器中，能够以显著降低的延迟访问现有数据或应用，以满足服务水平协议（SLA）目标。

Application of AI, InsurTech, and Real Estate Technology (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/wharton-ai-application-insurtech-real-estate-technology

简介: 课程名称：人工智能、保险科技与房地产科技的应用 课程概述：在这门课程中，您将学习到保险科技（InsurTech）和房地产科技（Real Estate Tech）中应用的人工智能（AI）和机器学习（ML）等新兴技术。沃顿商学院的Chris Geczy教授设计了这门课程，旨在帮助您理解保险和房地产科技的复杂世界，以及金融科技（FinTech）在行业未来中的作用。通过对人工智能和机器学习的研究与分析，您将了解到保险科技如何重新定义保险行业。同时，您将探索保险科技公司的分类及其市场规模，并分析金融科技的专项知识，Warren Pennington将来自Vanguard进行讲解。课程结束时，您将能够识别各种保险与房地产科技公司中的新兴AI、机器学习和金融科技，及其在未来金融和投资中的影响。 课程大纲： 模块1：保险科技 在这一模块中，您将识别保险行业所采用的关键新兴技术，并深入了解人工智能和机器学习在保险科技中的应用。您将讨论保险科技在产品设计和索赔管理中的创新方法，分析保险科技公司的不同细分方式，并探索微保险和全能保险科技公司的案例。通过这一模块，您将更清楚地理解保险科技及新兴技术如何增加保险市场的价值。 模块2：房地产科技 在此模块中，您将研究房地产科技的基础知识，包括市场背景、定义和市场规模。您将深入了解房地产市场中，由房地产科技引发的颠覆性变化，学习Zillow和WeWork等公司的案例分析。您还将探索住宅和商业房地产科技中的趋势和实例，如Blend、Lending Home 和 Cadre。完成此模块后，您将对房地产科技的全景和关键财务目标有更深入的理解。 模块3：人工智能 本模块将带您了解人工智能的基础及其在金融科技行业的应用案例。您将考察人工智能的背景和市场规模，并分析主要应用案例的预测。您将学习金融科技中的人工智能关键应用案例，并讨论Vanguard个人顾问服务和IBM Watson如何在保险科技公司中应用机器学习。到模块结束时，您将对人工智能的用途及其在金融科技行业的影响有更全面的认识。 模块4：案例研究 此模块旨在为您提供机会探索全球成功的金融科技组织，并学习它们如何将金融科技的优势融入其组织中。Vanguard投资管理团队的负责人Warren Pennington与Wealthfront的联合创始人兼执行主席Andy Rachleff将为您深入解析他们的组织及金融科技的应用与未来发展。完成该模块后，您将更好地理解金融科技在公司中的实际应用。

Application of Health Equity Research Methods for Practice and Policy (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/health-equity-research-methods

简介: 课程名称：健康公平研究方法在实践与政策中的应用 课程概述：本课程面向已完成健康公平研究入门课程的学生或在该领域具有经验的人员。课程将涵盖进行严谨健康公平研究所需的创新方法、实用工具和技能，并将基于证据的策略转化为实践和政策。内容包括利益相关者参与和行为干预开发的概念框架、为社会风险人群调整干预措施，以及医疗服务和社会流行病学中的研究方法。 课程大纲： 1. 第一部分：设计多层次干预以缩小健康公平研究的实施差距 - 概述：本模块介绍课程的内容，讨论如何设计多层次的干预，以缩小健康公平研究的实施差距。 2. 第二部分：利用社会流行病学研究指导健康公平干预 - 概述：本模块探讨如何利用社会流行病学为健康公平干预的发展提供信息。 3. 第三部分：使用健康服务研究方法指导健康公平干预 - 概述：本模块讨论如何使用健康服务研究方法来指导健康公平的干预措施。 4. 第四部分：为社会风险人群量身定制评估和干预材料 - 概述：本模块描述如何为社会风险人群量身定制评估和干预材料，同时提供有限健康素养和有限英语能力人群材料调整的示例。 5. 第五部分：实施健康公平研究 - 概述：本模块探讨实施健康公平研究的多项考虑因素，包括提高研究参与多样性的策略，以及招聘和培训健康公平研究人员的建议。 总之，本课程结合理论与实践，旨在帮助学员掌握推进健康公平的实用技能和方法。

Application Programming Fundamentals (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/application-programming-fundamentals

简介: 课程名称：应用程序编程基础 概述：在这一课程中，我们将介绍现代面向对象编程的核心概念，包括对象、类、消息传递、继承、多态等。课程将通过Python语言进行说明，但这些概念也适用于其他面向对象的编程语言。此外，课程还包括实践实验室，让学员学习编写和执行程序。 课程大纲： 1. **编程基础入门**：本模块将回顾您将学习的内容，并介绍编程的基本概念。我们将讨论什么是程序，以及在几乎所有主流编程语言中常见的元素，重点传达计算机编程的核心精神和挑战。 2. **编程元素**：这一模块将涵盖本课程中所有基本的编程元素，包括数据类型（如数字、字符串、布尔值和数组）、操作符、表达式和变量的使用。您将学习如何将可重用代码打包成子程序，并结合条件和重复执行。课程中有许多动手练习，帮助您亲自实践这些概念，到课程结束时，您将惊讶于仅用这几种概念能做出的事情。 3. **算法**：算法是描述完成任务所需步骤的语言无关的说明。在本模块中，我们将探讨算法的含义及其重要性，深入讲解一个简单的经典算法。 4. **设计模式**：设计模式是解决特定问题领域的语言无关的架构蓝图。它们描述构成微架构的组件类型及其内部和外部的交互。在本模块中，我们将更详细地讨论设计模式的重要性、常见用途，并探讨几种设计模式。同时，您将在实验室中探索一种非常简单的设计模式。 通过本课程的学习，学员将掌握编程基础知识，学会面向对象编程的关键概念，并积累实际编程经验。

Application Security and Monitoring (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/application-security-and-monitoring

简介: 课程名称：应用安全与监控 课程概述：本课程介绍了开发者在开发应用程序时应遵循的安全最佳实践。学员将学习如何有效地使用相关工具对应用程序进行监控和故障排查。课程的最后，学员将完成一个项目，通过应用新获得的监控技能来部署和更新自己创建的应用程序。最终项目将通过GitHub存储库发布，以便与同学和潜在雇主分享您的技能。 课程大纲： - 安全最佳实践简介 - 应用程序开发中的安全风险 - 监控工具的使用 - 故障排查技巧 - 项目部署与更新 - GitHub项目上传与分享 通过本课程，您将获得在应用程序开发和监控方面的实用技能，为未来的职业发展打下坚实基础。

Application Security for Developers and DevOps Professionals (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/application-security-for-developers-devops

简介: 课程名称：应用安全：开发人员与DevOps专业人员的课程 课程概述：你应用程序的安全风险和威胁有多脆弱？本课程将帮助你识别漏洞并监控应用程序和系统的健康状况。你将审查和实施安全编码实践，以防止数据泄露等事件，并了解监控和可观察性等实践如何保障系统的安全。课程让你掌握维护安全环境的各种实践、概念和流程。 课程大纲： 1. **应用开发安全导论** 本模块将帮助你识别安全在工作流程中的位置，了解安全概念和术语。你将学习如何在软件开发生命周期（SDLC）中设计安全，并了解DevSecOps的一系列实践。此外，你会探索OSI模型，识别开发人员所需的OSI层，并在应用开发的四个层面实施安全措施。你将了解安全模式及其组织方式，同时描述传输层安全（TLS）和安全套接字层（SSL），并学习如何在SDLC中保持TLS安全。模块还将引导你使用漏洞扫描工具和威胁模型来减轻安全漏洞，增加身份验证、加密和完整性等关键术语，并通过实际实验使用OpenSSL加密和解密文件，以及使用Nmap扫描网络环境。 2. **安全测试与缓解策略** 在此模块中，你将学习在整个开发和生产过程中保护应用程序的关键缓解策略。你将发现多种安全测试方法，如静态分析、动态分析、漏洞分析、软件组件分析和持续安全分析。你将探索代码审查的方法，确保应用开发的运行时保护，并基于静态分析、动态分析、漏洞扫描和漏洞检测进行动手实验。 3. **OWASP应用安全风险** 本模块将介绍开放网络应用安全项目（OWASP）及其十大安全关注点。你将学习应用程序的漏洞，发现安全专家和专业人员关注的主要漏洞，包括SQL注入、跨站脚本和安全存储秘密等问题。同时，你还将调查软件和数据完整性失败，学习如何检测这些类型的漏洞，并研究减轻其影响的方法。模块中将包括使用Snyk分析代码库和使用Vault Python API（hvac）读取、写入和删除Vault中的键值秘密的实验。 4. **安全最佳实践、最终项目及评估** 本模块将介绍编码最佳实践和软件依赖性。你还将探索如何通过决定在集中式存储库中存储哪些内容和在GitHub上不存储哪些内容来保护开发环境。每位学员将通过实际实验创建HTTP安全头，使用flask-talisman进行操作，并使用pass CLI安全存储和检索秘密。最终项目要求学员检查其GitHub上的代码以查找漏洞，并按严重性顺序修复漏洞，应用减少漏洞风险的最佳实践。 通过完成本课程，你将有效提升应用程序安全性，保障软件开发流程的安全性。

Applications in Engineering Mechanics (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/engineering-mechanics-statics-2

简介: 课程名称：工程力学应用 概述：本课程将应用在“工程力学导论”课程中学到的原则，分析真实世界的工程结构。为了在本课程中取得成功，学员需要掌握前一课程中的工程基础知识。本课程集中讨论静力平衡问题的建模与分析，重点关注真实工程系统的解决方案。 推荐背景：成功完成“工程力学导论”课程是本课程成功学习的必要条件。 版权所有声明：本课程中所有内容和材料的版权归乔治亚理工学院研究公司或韦恩·怀特曼教授所有。参与本课程或使用内容和材料（无论是全部还是部分）即表示您同意仅以个人、非商业的方式下载和使用这些内容和材料。任何其他用途，包括其它学术大学或实体的使用，均需获得乔治亚理工学院研究公司的明确书面许可。对此感兴趣的方可直接联系韦恩·怀特曼教授，获取相关程序的信息以获得非独占许可证。 课程大纲： 1. 静力平衡方程在结构交互体或部件中的应用；包含多力构件的系统；框架和机器 - 本部分学生将学习静力平衡方程在结构交互体或部件中的应用，以及包含多力构件、框架和机器的系统。 2. 平面桁架 - 本部分学生将学习桁架结构，具体包括接头法、截面法和零力构件的概念。 3. 空间桁架；剪力和弯矩图 - 在这一部分中，学生将学习空间桁架，并介绍剪力和弯矩图。 4. 电缆支撑系统 - 本部分学生将学习电缆支撑系统，尤其是集中载荷和悬吊载荷。 5. 库伦摩擦与皮带摩擦 - 本部分学生将学习库伦摩擦和皮带摩擦的相关内容。

Applications of Everyday Leadership (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/everyday-leadership-application

简介: 课程名称：日常领导力的应用 课程概述：本课程基于领导力的概念知识，探讨如何在更有效的谈判、反馈与辅导、冲突管理和变革领导等方面应用这些知识。通过将领导力框架应用于企业面临的现实情境，您将准备好引导团队朝着解决方案迈进，面对自身的商业挑战。 您将能够： - 有效谈判并通过有效的领导影响他人 - 提供策略性、具有影响力的反馈和辅导 - 管理冲突并领导业务变革 本课程是吉斯商学院在线项目的一部分，包括iMBA和iMSM。了解更多关于这些项目的入学信息，以及如何在被录取为学位项目后利用您在Coursera的学习经验，访问：https://degrees.giesbusiness.illinois.edu/idegrees/。 课程大纲： 第1部分：模块1 - 谈判 描述：本模块将考察日常领导者有效谈判所需的三项核心技能，以及如何运用这三项核心技能来影响他人愿意按照我们的需求行事。 第2部分：模块2 - 绩效管理 描述：本模块将专注于领导者如何设计绩效管理系统，以便收集有关绩效的有用信息。同时，我们将探讨日常领导者如何利用这些信息提供适当影响力的反馈和辅导。 第3部分：模块3 - 冲突管理 描述：本模块将考察专业第三方在解决冲突中的角色，及日常领导者如何借鉴专业第三方的知识和做法，以更有效地管理身边的冲突。 第4部分：模块4 - 领导组织变革 描述：本模块将强调日常领导者成功领导变革倡议所需的条件，为什么他人可能会抵制变革，日常领导者如何通过包容性使变革实施更成功，以及如何在变革倡议的实施过程中管理潜在的混乱。

Applied AI with DeepLearning (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ai

简介: 课程名称：应用人工智能与深度学习 概述： 报名参加本课程即表示您同意FAQ中列出的最终用户许可协议。注册后，您可以在资源区域访问该许可。本课程是IBM高级数据科学证书的一部分，提供了对深度学习模型的深入见解，这些模型在自然语言处理、计算机视觉、时间序列分析以及其他多个学科中广泛应用。我们将学习线性代数和神经网络的基础知识。接下来，介绍诸如Keras、TensorFlow、PyTorch、DeepLearning4J和Apache SystemML等最流行的深度学习框架，Keras和TensorFlow将在本课程中占据最大部分。 我们将通过基于Keras构建模型来学习异常检测、时间序列预测、图像识别和自然语言处理，案例来源于物联网(IoT)、金融市场数据、文学作品和图像数据库。最后，我们将学习如何使用Kubernetes、Apache Spark和GPU来扩展这些人工智能模型。 重要信息：单独修读此课程无法获得“IBM Watson IoT认证数据科学家证书”。您需要参加另外三门课程，其中两门课程目前正在建设中，该专业化课程预计在2018年春末或夏初完工。 无论您在想要掌握的主题上处于何种技能水平，利用这些方法都可以改变您的思维和生活。如果您已经是专家，这将为您提供加速成功创建和部署深度学习模型的思路。如果您正在挣扎，您将看到一整套结构化的实用技术，帮助您走上正轨。如果您渴望在任何领域变得更好，本课程将为您提供指导。 先决条件：需要具备一定的编程技能，最好是Python，但其他编程语言也可以。同时对数学（线性代数）的基本了解将是一个加分项，但我们将在第一周涵盖这一部分内容。 如果您选择参加此课程并获得Coursera课程证书，您还将获得IBM数字徽章。欲了解更多关于IBM数字徽章的信息，请访问链接 ibm.biz/badging。 课程大纲： 1. 第一部分：深度学习简介 2. 第二部分：深度学习框架 3. 第三部分：深度学习应用 4. 第四部分：扩展与部署

Applied Analytics and Data for Decision Making (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/analytics-data-decisions

简介: 课程名称：应用分析与决策数据 课程概述：本课程旨在帮助学习者识别和测试改善绩效的最佳解决方案，并整合运营卓越方法论的概念，以实现数据驱动的决策。课程开始时，重点在于通过各种工具分析问题的根本原因，然后确定和评估最适合的解决方案。学习者将学习如何应用ISO、精益生产和六西格玛方法，以实现组织运营数据和绩效标准的一致性。课程通过餐饮、制造业和电子商务案例研究，帮助学员提升数据素养，同时确保隐私和数据伦理措施到位。 课程材料包括在线讲座、视频、演示、项目作业、阅读和讨论。本课程非常适合希望发展数据驱动思维的个人，以洞察有助于改善公司业绩的信息。如学员在阅读报告、收集和使用数据以及解读可视化方面具备一定基础，将更有帮助。本课程是数据驱动决策（DDDM）专业化课程的第三门课程。 课程大纲： 1. **应用分析实施解决方案**：本模块指导学习者识别变异的根本原因，并测试可能的解决方案。 2. **数据驱动的运营卓越**：本模块帮助学习者将组织的运营数据与绩效标准对齐，以实现运营卓越。 3. **应用数据驱动决策**：本模块提供数据驱动决策的实际案例，并探讨企业文化与这些倡议成功之间的关系。 4. **项目：应用分析与决策数据**：本模块为学习者提供将理论与实践相结合的机会，应用本课程的知识解决实际商业问题。 如需了解更多关于该专业化课程的信息，请查看视频概述链接：https://www.youtube.com/watch?v=Oi4mmeSWcVc&list=PLQvThJe-IglyYljMrdqwfsDzk56ncfoLx&index=11。

Applied Calculus with Python (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/applied-calculus-with-python

简介: 课程名称：使用 Python 的应用微积分 课程概述：本课程专为希望打下微积分基础的 Python 程序员以及希望学习微积分理论和数值技术的数学学生而设计。课程的目标是通过 Python 开发强大的应用程序，解决各种现实世界中的挑战。课程包括视频讲座、阅读资料、实例、评估和 Python 代码，帮助学生理解如何解决方程、处理函数以及计算和应用导数与积分。如果你对应用数学、数据科学、网络安全或人工智能等领域感兴趣，或者只是想复习微积分或 Python 编程，这门课程将非常适合你。 课程大纲： 1. **Python 入门**：学生将学习使用 Python 编程，并运用这些技能来解决实际复杂问题，通过大量示例和解释促进理解。鼓励学生进行独立实验，完成与模块相关的作业，以解决科学问题并增强挑战感。 2. **函数**：介绍函数的理论与图形，探讨量与量之间的依赖关系，学习如何在 Python 中实现这些函数。 3. **变化率与导数**：讲解微积分的基本概念，尤其是如何通过极限来开发函数的导数以及如何在 Python 中找到导数。 4. **导数法则与应用**：发展导数的计算法则，帮助理解导数的性质，掌握处理复杂函数的技巧。 5. **累积变化与积分**：探讨积分微积分，学习如何通过将小区域相加来求得面积或体积，并运用基本微积分定理将积分与导数联系起来，配合 Python 进行数值计算。 这个课程将使学生掌握核心的微积分概念，能够使用 Python 开发能够解决各类实际问题的应用程序。

Applied ChatGPT for Cybersecurity (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/chatgpt-for-cybersecurity

简介: 课程名称：应用ChatGPT于网络安全 课程概述：本课程将深入探讨如何利用ChatGPT进行实际的安全运营中心（SOC）分析师和事件响应工作的基础练习。课程内容从基本的数据包分析开始，逐步深入到基础的恶意软件逆向工程。我们将借助ChatGPT进行简单和中级水平的Wireshark数据包分析，通过重建整个攻击和数据泄漏活动，分析攻击者所使用的具体命令。 课程大纲： - 模块名称：无标题模块 - 模块描述：利用ChatGPT 4培训SOC分析师 通过本课程，学员将能够掌握网络安全分析的基本技能，并学会如何应用ChatGPT工具进行各项相关工作的有效指导。

Applied Computational Fluid Dynamics (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/applied-computational-fluid-dynamics

简介: 课程名称：应用计算流体动力学 课程概述：如果您正在阅读这篇内容，您可能对使用Simcenter STAR-CCM+软件或其他计算流体动力学（CFD）工具进行应用计算流体动力学的探索感兴趣。本课程旨在帮助您利用流动物理学和计算流体动力学的知识，以最有效的方式获得流动和热传递问题的高质量解决方案。这门课程不仅可以帮助您提升工作表现，还有助于您的职业发展和教育路径。 课程大纲： 1. **引言：应用计算流体动力学** 第1周，我们将探索在有半圆形障碍的通道中的流动，讨论基本的流动模型（欧拉方程、纳维-斯托克斯方程、雷诺平均纳维-斯托克斯方程）以及工程应用大多数流动的基本特征（边界层、剪切层、流动分离、回流区）和模拟这些现象的方法。将解释无粘性、层流和湍流的区别，以及如何可视化和分析流动特征，流动状态如何影响计算网格的设计和物理模型选择，最后介绍提高仿真效率的方法及离散误差的估算。 2. **扩散器和喷嘴中的流动** 第2周，我们将研究扩散器和喷嘴中的流动，它们是许多工程应用中流动路径的发散或收敛截面的通用表示。在扩散器和喷嘴中，流动分离和回流现象会在足够高的发散/收敛角度下发生。对称的扩散器几何形状中流动通常是非对称的，而在喷嘴中可能出现收缩现象。将探讨几何细节（扩散/收缩角的变化、不同半径的角落圆角处理）对流动的影响，并进行网格依赖性的详细研究。 3. **次级流动和涡流** 第3周，我们将研究由压力或湍流引起的非主流向的流动。首先详细分析管道弯头中的三维压力驱动次级流动，随后分析具有非圆截面的管道中的湍流驱动次级流动。将描述这些现象的物理原理及其模拟方法。同时，分析马蹄涡和翼尖涡流的流动，解释流动物理、计算细节（优化网格设计及其局部细化、物理模型选择）等。 4. **圆柱周围的流动** 第4周，我们将研究在雷诺数为5到500万的情况下环绕圆柱的流动。圆柱是暴露在横流中的细长物体的通用表示，这种情况在许多实际应用中存在。取决于雷诺数，流动可能是慢速、稳定或不稳定的层流或湍流。流动分离和回流有许多不同的形式，可能导致涡脱落（冯·卡门涡街）、在尾流、剪切层或缠绕在圆柱表面的边界层中的湍流过渡。将讨论圆柱上的阻力危机以及旋转圆柱上的马格努斯效应。不同的湍流模拟技术（直接数值模拟、大涡模拟或利用不同湍流模型解决雷诺平均纳维-斯托克斯方程）也将被介绍。 5. **带有热传递的流动** 第5周，我们将探讨热传递，包括固体中的导热、流体中的自然对流和强迫对流，以及耦合热传递。将解释固体-流体界面间的热传递方式、层流与湍流的不同、流体-固体界面所需的计算网格特性，以及墙面光棱层的重要性。强调自然对流流动中稳定与不稳定分层的区别，以及准确考虑流体属性随温度变化的重要性。最后，将介绍如何在多个流体流动之间最佳地模拟热传递。 通过本课程的学习，您将获得应用计算流体动力学的基础知识和实践技能，为您的职业生涯和教育发展铺平道路。

Applied Data Science Capstone (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/applied-data-science-capstone

简介: 课程名称：应用数据科学顶点项目 概述：这门顶点项目课程将让您体验数据科学家在处理真实数据集时的实际工作。您将扮演一名数据科学家，加入一家意图与SpaceX竞争的初创公司。在这个过程中，您将遵循数据科学的方法论，包括数据收集、数据整理、探索性数据分析、数据可视化、模型开发、模型评估以及向利益相关者报告结果。 您的任务是预测SpaceX猎鹰9号火箭第一阶段是否会成功着陆。SpaceX在其网站上宣传猎鹰9号火箭发射的费用为6200万美元，而其他提供商的费用通常超过1.65亿美元；其节省的主要原因是SpaceX能够重复使用第一阶段火箭。因此，如果您能准确预测第一阶段火箭的成功着陆概率，就可以确定发射成本。借助您的数据科学发现和模型，您所雇佣的竞争初创公司可以更有信息依据地与SpaceX竞争火箭发射的投标。 这门课程是IBM数据科学专业证书和应用数据科学与Python专业化的最后一门课程。在开始本课程之前，您需要完成专业化/证书中的所有先修课程，因为本课程要求运用先前课程中所学的知识和技能。本课程不会有太多新的学习内容，重点将放在实践工作上，以展示您在之前课程中所学的知识。 如果您选择参加本课程并获得Coursera课程证书，成功完成课程后，您还将获得IBM数字徽章。 课程大纲： 1. 导言：本模块将介绍猎鹰9号第一阶段成功着陆的预测问题及所需工具。 2. 探索性数据分析（EDA）：收集猎鹰9号第一阶段着陆的数据，使用RESTful API和网络抓取，并进行数据整理。 3. 交互式可视分析与仪表板：构建仪表板以使用Plotly Dash进行发射记录的互动分析，并使用Folium构建交互式地图以分析发射地点的接近度。 4. 预测分析（分类）：使用机器学习判断猎鹰9号第一阶段是否成功着陆，拆分数据为训练集和测试集，寻找最佳超参数并比较性能。 5. 呈现数据驱动的见解：将所有活动汇总，向相关方报告关于第一阶段火箭成功着陆的预测结果。

Applied Data Science for Data Analysts (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/applied-data-science-for-data-analysts

简介: 课程名称：数据分析师的应用数据科学 课程概述：在本课程中，您将提升数据科学技能，解决现实世界中的问题。您将通过数据科学流程，使用无监督学习探索数据，进行特征工程和选择有意义的特征，同时使用基于树的模型解决复杂的监督学习问题。您还将学习应用超参数调整和交叉验证策略，以提高模型性能。 注意：这是Coursera上“面向数据分析师的Databricks数据科学”系列课程的第三门也是最后一门课程。为了在本课程中取得成功，我们强烈建议您在参加此课程之前先修完该系列的前两门课程：Apache Spark for Data Analysts和Data Science Fundamentals for Data Analysts。 课程大纲： - 欢迎来到课程 - 应用无监督学习 - 特征工程与选择 - 应用基于树的模型 - 模型优化

Applied Machine Learning in Python (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/python-machine-learning

简介: 课程名称：Python中的应用机器学习 课程概述：本课程旨在向学习者介绍应用机器学习，强调技术和方法而非统计原理。课程将首先讨论机器学习与描述性统计的区别，并通过教程介绍scikit-learn工具包。将讨论数据的维度问题、数据聚类及其评估方法。课程还将描述创建预测模型的监督学习方法，学习者将能够应用scikit-learn的预测建模方法，并理解与数据可推广性相关的过程问题（例如交叉验证、过拟合）。课程最后将探讨更高级的技术，如集成模型的构建及预测模型的实际限制。完成本课程后，学生将能够识别监督（分类）和无监督（聚类）技术的区别，确定为特定数据集及需求应应用的技术，工程特征以满足该需求，并编写Python代码进行分析。 课程前置要求：建议在参加本课程之前，完成Python中的数据科学入门和Python中的应用绘图、图表及数据表示课程，之后可以学习Python中的应用文本挖掘和Python中的应用社会分析课程。 课程大纲： 1. 模块1：机器学习基础 - SciKit Learn简介 - 介绍基本的机器学习概念、任务和工作流程，以基于K近邻法的分类问题为例，并使用scikit-learn库实现。 2. 模块2：监督机器学习 - 第1部分 - 深入了解多种监督学习方法，涵盖分类和回归，学习模型复杂性与泛化性能之间的关系、特征缩放的重要性，以及通过应用正则化等技术来控制模型复杂度以避免过拟合。本周内容包括K近邻、线性回归（最小二乘法、岭回归、套索回归、多项式回归）、逻辑回归、支持向量机、用于模型评估的交叉验证及决策树。 3. 模块3：评估 - 探讨评估和模型选择方法，帮助理解和优化机器学习模型的性能。 4. 模块4：监督机器学习 - 第2部分 - 涉及更先进的监督学习方法，包括树的集成（随机森林、梯度提升树）和神经网络（包括可选的深度学习总结）。学习数据泄漏的关键问题及其检测和避免方法。

Applied Plotting, Charting & Data Representation in Python (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/python-plotting

简介: 课程名称：Python中的应用绘图、图表和数据表示 课程概述：本课程将向学习者介绍信息可视化的基础知识，重点是在使用matplotlib库进行报告和绘图。课程将从设计和信息素养的角度入手，探讨什么是好的和坏的可视化，以及统计测量如何转化为视觉效果。第二周将重点介绍用于在Python中创建可视化的技术matplotlib，并向用户介绍创建基本图表的最佳实践以及如何在框架内实现设计决策。第三周将介绍matplotlib的功能，并演示多种基本统计图表，帮助学习者识别特定方法在特定问题上的适用性。课程最后将讨论其他形式的数据结构化和可视化。 此课程建议在完成《Python中的数据科学导论》后学习，并在继续其他应用数据科学与Python课程之前修读，例如《Python中的应用机器学习》、《Python中的应用文本挖掘》和《Python中的应用社会网络分析》。 课程大纲： - 模块1：信息可视化的原则 描述：本模块介绍信息可视化的原则，提供有关设计的思考工具和创建有效可视化的图形启发式方法。本模块包括课程的评分、先修要求和期望的相关信息。 - 模块2：基本绘图 描述：本模块深入基本绘图，学习者将使用真实的CSV天气数据，操纵数据以显示特定日期范围内的最低和最高温度，并使用matplotlib创建折线图。此外，还将通过叠加某一年创纪录数据的散点图来演示复合图表的过程。 - 模块3：绘图基础 描述：本模块探讨绘图基础，学习者将在本周的作业中基于学术研究实施新的可视化技术。作业灵活，可以选择从简单的静态图像到交互式图表，允许用户设置使用的数值范围。 - 模块4：应用可视化 描述：在本模块中，所有内容将开始结合。最终作业为“成为数据科学家”，要求学习者识别来自相同区域的至少两个可公开获取且在有意义维度上一致的数据集。学习者需要提出一个可以通过这些数据集回答的研究问题，并使用matplotlib创建一个视觉图形来解决所述研究问题，然后解释该视觉图形如何满足研究问题的要求。

Applied Public History: Places, People, Stories (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/uol-public-history

简介: 课程名称：应用公共历史：地点、人物、故事 概述：本课程旨在引导学习者理解和解读当今的公共历史，并积极参与不同社区的历史分享与创造。课程通过项目案例研究、专家见解和多样化视角，展示如何研究和讲述地方与人物的历史。学习者将通过参与讨论、测验、创造性活动和迷你大师班，开发适用于自身实践的工具包。 课程将探讨以下问题：我们通过对地方和人物历史的研究可以发现什么样的故事？我们如何与这些故事互动并吸引不同的社区？我们可以使用怎样富有想象力的方法来解读过去？我们能创造哪些工具和机会，以邀请新群体和个体参与地方研究倡议？本课程由伦敦大学历史研究所的人民、地方与社区历史中心主办，旨在探究这些问题，帮助学习者发展可转移的地方历史和文化遗产解读方法。 课程大纲： 1. **你的地方**：第一周，我们将认识课程讲师，并通过历史英格兰及伦敦图层等机构探讨地点与历史。我们将学习如何理解地方的历史和遗产，以及如何让社区参与到历史环境的理解中。还将探讨历史地图对地方和历史的揭示，与伦敦项目的众包成果分享。 2. **发现故事**：第二周，将介绍一些优秀的案例研究项目，探索有趣的历史故事及其讲述和分享的方法。通过青年俱乐部档案，反思不同受众的故事收集和讲述方式，讨论如何通过物品讲述故事，以及收集叙利亚难民口述历史的项目。 3. **公共历史与创造性实践**：第三周，将探讨应用公共历史与艺术的交集，借鉴各种项目学习艺术及其合作对历史解读的影响，探讨历史重演与服装解释，及创意地图所呈现的地方及其历史。学习者还有机会参与创意大师班，反思创造性方法在应用公共历史工作中的作用。 4. **历史与现在**：第四周，将考察如何在现在纪念历史，包括周年庆典、雕像、蓝色铭牌和纪念碑，关注排斥和缺失的线索。学习如何利用历史在当今社会做出积极的干预。 5. **共同研究**：第五周，讨论如何将“观众”转变为主动研究者，参与式研究和共同生产如何增进对过去及其当下重要性的理解，探索社区档案工作与众包的新方法。 6. **沟通与评估**：第六周，聚焦课程中贯穿始终的沟通主题，巩固沟通技能，回顾案例研究。还将反思评估与未来发展的机会，为学习者提供回顾自身参与的机会。 本课程为学习者提供了一个全面探索应用公共历史和促进社区参与的机会。

Applied Social Network Analysis in Python (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/python-social-network-analysis

简介: 课程名称：Python中的应用社会网络分析 概述：本课程通过使用NetworkX库的教程向学习者介绍网络分析。课程开始于对网络分析的理解，以及为什么我们可能会将现象建模为网络的动机。第二周介绍了连通性和网络的鲁棒性概念。第三周将探索测量网络中节点重要性或中心性的方式。最后一周将探讨网络随时间演变的过程，涵盖网络生成模型和链接预测问题。 适合先修课程：数据科学入门（Python），应用绘图、图表和数据呈现（Python），应用机器学习（Python）。 课程大纲： 1. **网络学习的意义与NetworkX基础** - 描述：第一模块介绍现实世界中不同类型的网络及其研究意义。学习网络的基本元素以及不同类型的网络，掌握如何使用NetworkX库表示和操作网络数据。作业将让你有机会使用NetworkX分析小型公司的员工网络数据集。 2. **网络连通性** - 描述：第二模块将教你如何基于节点之间的距离、可达性和路径冗余等度量分析网络的连通性。作业中，你将练习使用NetworkX计算中型制造公司员工电子邮件通信网络的连通性度量。 3. **影响力度量与网络中心化** - 描述：第三模块探讨如何测量网络中节点的重要性或中心性，使用度数、接近度、介数中心性、Page Rank以及中心枢纽和权威等度量。学习每种度量的假设、计算这些度量的算法以及NetworkX中可用的不同函数。在作业中，你将练习在实际场景中选择最合适的中心性度量。 4. **网络演变** - 描述：第四模块探讨网络随时间演变的过程，包括生成具有现实特征的网络的不同模型，如优先连接模型和小世界网络。你还将探索链接预测问题，了解可以预测一对未连接节点未来是否会连接的有用特征。作业将挑战你识别给定网络的生成模型，并结合课程中的不同概念，预测公司员工的薪水、职位和未来连接。 此课程将帮助学习者掌握网络分析的基础知识，并应用于实际的网络数据集分析中。

Applied Text Mining in Python (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/python-text-mining

简介: 课程名称：应用文本挖掘与Python 概述：本课程将向学习者介绍文本挖掘和文本操作的基础知识。课程开始于理解Python如何处理文本，文本对机器和人类的结构，以及介绍用于文本处理的nltk框架。第二周重点关注常见的文本操作需求，包括正则表达式（文本搜索）、文本清理和为机器学习过程准备文本。第三周将应用基本的自然语言处理方法于文本，并展示文本分类的实现。最后一周将探讨更高级的方法，以检测文档主题并根据相似性对其进行分组（主题建模）。 前置课程：建议在学习本课程之前，完成《Python中的数据科学导论》、《Python中的应用绘图、图表与数据呈现》和《Python中的应用机器学习》。 课程大纲： 1. 模块1：在Python中处理文本 描述：介绍如何在Python环境中有效处理文本数据。 2. 模块2：基本自然语言处理 描述：讲解自然语言处理的基础知识及其应用。 3. 模块3：文本分类 描述：探讨文本分类的基本方法和技术。 4. 模块4：主题建模 描述：研究如何检测文档主题并进行相似性分组。

Apply Generative Adversarial Networks (GANs) (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/apply-generative-adversarial-networks-gans

简介: 课程名称：应用生成对抗网络（GANs） 概述：在本课程中，您将： - 探讨GANs的应用，重点关注数据增强、隐私和匿名性 - 利用图像到图像的转换框架，识别与图像以外的其他模式相关的应用 - 实现Pix2Pix，一种配对图像到图像的转换GAN，将卫星图像转换为地图路线（反之亦然） - 比较配对图像到图像转换与非配对图像到图像转换，识别其关键差异并理解不同的GAN架构 - 实现CycleGAN，一种非配对图像到图像转换模型，将马转变为斑马（反之亦然），并使用两个GANs DeepLearning.AI生成对抗网络（GANs）专业课程为图像生成提供了激动人心的介绍，从基础概念到高级技术，通过易于理解的方式进行阐述。课程还涵盖社会影响，包括机器学习中的偏见及其检测方法、隐私保护等。 建立全面的知识基础并获得GANs的实践经验。使用PyTorch训练自己的模型，创建图像，并评估各种先进的GAN。 该专业课程为所有希望进入GAN领域或将GAN应用于自己项目的学习者提供了一个易于接近的途径，即使没有高级数学和机器学习研究的先前经验。 大纲： - 第一部分：第1周：用于数据增强和隐私的GANs 描述：学习GANs的不同应用，了解使用它们进行数据增强的利弊，以及它们如何改善下游AI模型！ - 第二部分：第2周：使用Pix2Pix进行图像到图像的转换 描述：理解图像到图像的转换，了解该框架的不同应用，实现U-Net生成器和Pix2Pix（配对图像到图像转换GAN）！ - 第三部分：第3周：使用CycleGAN进行非配对转换 描述：理解非配对图像到图像的转换与配对转换的不同，了解CycleGAN如何使用两个GAN实现该模型，并实现CycleGAN以转化马和斑马之间的形象！

Applying Data Analytics in Accounting (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/applying-data-analytics-accounting

简介: 课程名称：在会计中应用数据分析 概述：本课程探讨了在会计领域中商业分析的应用。首先，它介绍了会计中技术主题的概述，包括流程挖掘、区块链以及在审计、税务和保证中的应用。接着，课程利用R和Alteryx探索了审计和控制测试中的可视化和基本分析。随后，课程考察了文本分析在会计中的用途，并使用R和RStudio进行文本分析。最后，课程一般性地考察了机器人流程自动化（RPA），并介绍了其在会计中的应用。 大纲： 1. **模块1：会计中分析主题的概述** - 本模块提供会计与数据分析及新技术进展之间相互作用的广泛概述。我们首先理解会计的定义及其所处的环境，随后介绍会计技术的近期趋势。模块最后讨论了会计中的三个重要主题：网络安全、流程挖掘和区块链。 2. **模块2：控制与审计** - 本模块介绍与审计相关的重要概念。我们首先回顾审计员可以使用的不同技术，以提高审计的有效性和效率。接着，我们考察错误或欺诈发生的原因，并讨论如何设置内部控制以防止错误陈述。最后，通过使用真实数据集在Alteryx Designer和RStudio中演示控制测试的工作流程。 3. **模块3：会计中的文本处理与分析** - 财务报表中数字随处可见，但会计不仅仅是数字。此模块讨论了会计披露和其他会计信息中的文本可能包含的有用信息，并演示如何使用R实现基本的自然语言处理（NLP）流程。 4. **模块4：会计中的机器人流程自动化** - 会计师的工作中有许多标准化和单调的任务。本模块介绍了可以用于自动化这些日常任务的机器人流程自动化（RPA）。我们首先查看RPA的定义及其在自动化连续体中的位置，然后考察适合进行RPA的任务、实施RPA的步骤以及使用RPA的优缺点。最后，我们将讨论RPA对会计的影响，并通过UiPath演示RPA的应用。 本课程为希望在会计领域中应用数据分析技能的学习者提供了全面的视角和实践经验。

Applying Data Analytics in Finance (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/applying-data-analytics-business-in-finance

简介: 课程名称：金融数据分析应用 课程概述：本课程介绍金融分析的概述，学习在实际情况下为什么、何时和如何应用金融分析。学员将探索分析时间序列数据的技术，以及如何评估现代投资组合理论中的风险与收益权衡。虽然大多数内容将集中在公司股票的价格、收益和风险上，但分析技术也可以应用于其他领域。课程最后简要介绍算法交易。 完成本课程后，学员将能够理解时间序列数据、进行预测并确定估计的有效性。此外，学员还将能够利用实际股票价格数据创建资产组合，同时优化风险与收益。理解金融数据是分析师、经理或顾问的重要技能。 课程大纲： 1. 课程介绍：介绍金融分析技术，学习应用金融分析的时间和情况，探索时间序列数据分析的技术以及现代投资组合理论中风险与收益的权衡。 2. 模块1：金融分析与时间序列数据的介绍：概述金融分析，学习实际应用的时机与方法，分析公司股票的价格、收益和风险，并了解如何进行算法交易。 3. 模块2：绩效测量与霍尔特-温特斯模型：介绍分析时间序列数据的分析方法，构建预测模型以支持决策，学习预测性能测量、移动平均、指数平滑方法和霍尔特-温特斯方法。 4. 模块3：平稳性与ARIMA模型：学习分析时间序列数据的第一步——平稳性，判断时间序列是否平稳的方法，以及如何将非平稳数据转化为平稳数据，研习基本预测模型ARIMA，并使用R构建ARIMA预测模型。 5. 模块4：现代投资组合理论与算法交易简介：介绍现代投资组合理论的一些基本测量，理解风险与收益的平衡，评估投资组合。

Applying Data Analytics in Marketing (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/applying-data-analytics-business-in-marketing

简介: 课程名称：市场营销中的数据分析应用 概述：本课程介绍通过多种分析方法来衡量客户满意度。我们将讨论客户满意度的组成部分、测量客户满意度的主要问题、影响客户满意度的统计分析方法、社交媒体数据的情感分析、社交媒体数据的影响分析以及社交媒体数据的文本摘要。课程旨在提供所需的基础，以通过分析与客户满意度相关的多种数据，做出更好的营销决策。 课程大纲： 1. **课程介绍与模块1：因果分析** 在模块初始部分，我们讨论市场营销中的分析及因果分析的重要性。首先，我们将概述分析对营销人员的重要性、各种类型的数据、在营销中应用分析的过程以及不同的分析方法。接着，我们将深入探讨因果分析。 2. **模块2：调查分析** 在第二个模块中，我们专注于使用回归分析调查数据。调查是组织衡量客户满意度等重要指标的关键工具。我们将对客户满意度的概念及其测量方式进行广泛理解，并讨论分析调查数据的工具，特别关注线性回归和逻辑回归两种回归方法。最后，通过使用航空公司客户满意度调查数据集的R语言操作，进行逻辑回归演示。 3. **模块3：文本分析** 本模块将学习各种文本分析方法。我们将首先介绍情感分析，这是利用文本数据分析客户满意度的最常见方法，并通过R Studio演示情感分析的步骤。接着，我们将关注文本摘要技术，包括将文本转换为可分析形式所需的预处理步骤，以及多词短语频率计数的分析。基于n-grams，我们将探讨更智能的方法自动检测优质短语，同时讨论LDA主题建模—检测文本主题的流行方法。最后，我们将强调监督机器学习及其应用示例。 4. **模块4：网络分析** 我们将介绍一种利用社交媒体数据分析客户满意度影响的方法。社交网络是理解人际互动和网络形成的理想数据集。识别社交媒体关系中的模式可以在营销决策中发挥作用。此外，我们将回顾影响者品牌个性分析，作为品牌寻找与自己个性相似的影响者的一种方法。

Applying Investment Decision Rules for Startups (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/capital-budgeting

简介: 课程名称：创业投资决策规则应用 课程概述：在上一门课程中，您学习了财务报表分析以及如何估算未来的财务状况。在本课程中，您将学习资本预算，即如何进行投资决策。您将了解在多个项目中如何选择最佳项目，并且需要掌握相关的决策标准。本课程将介绍最受欢迎的投资决策标准，如净现值（NPV）和内部收益率（IRR）。通过财务分析和现金流折现方法，您可以制作前瞻性财务报表并估算项目现金流，然后应用投资标准来决定是否投资。在学习如何将NPV和IRR方法应用于投资决策后，您还将学习如何评估NPV估算、情景分析、假设分析和盈亏平衡分析。此外，您还将学习回收期法和盈利能力法，以便在政治风险或资本限制下判断是否投资。 课程大纲： 1. **资本预算技巧**：资本预算是决定是否进行投资项目的过程。在此模块中，您将研究实践中最受欢迎的三种资本预算技巧：净现值（NPV）、回收期和内部收益率（IRR）。 2. **项目分析**：在此模块中，您将学习如何使用Excel估算项目现金流。总体而言，项目现金流分析与公司层面的现金流分析类似，但项目现金流分析也存在一些独特的特征，需要您学习相应的原则。 3. **资本预算中的问题**：有时您需要同时评估多个项目。在此模块中，您将学习如何在多个项目中选择最佳项目，还将讨论NPV和IRR技术中的各种重要问题，最后讨论选择折现率的基本原则。 4. **商业项目中的实物期权**：我们继续学习商业项目的分析，但在此模块中，我们考虑项目中嵌入的“实物期权”的价值。您将学习如何使用决策树法或Black-Scholes期权定价模型来评估项目的价值。

Applying Machine Learning to your Data with GCP (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/data-insights-gcp-apply-ml

简介: 课程名称：将机器学习应用于数据（使用GCP） 课程概述：本课程定义了机器学习及其对商业的潜在益处。您将看到一些机器学习的实际演示，并学习关键的机器学习术语，如实例、特征和标签。在互动实验室中，您将练习调用预训练的机器学习API，以及仅使用SQL通过BigQuery ML构建自己的机器学习模型。 先决条件：为了最大限度地从本课程中获益，参与者必须完成该专业中的前置课程： - 使用BigQuery探索和准备数据 - 创建新的BigQuery数据集并可视化洞察 - 通过BigQuery实现高级洞察 课程大纲： 1. **介绍** 描述：课程内容概述。 2. **机器学习简介** 描述：定义机器学习及其对商业的好处，并查看一些机器学习的实际演示，学习关键术语，如实例、特征和标签。 3. **预训练的机器学习API** 描述：探讨可以访问的预构建和预训练的机器学习模型（如图像识别和情感分析）在Cloud Datalab中的应用。 4. **在BigQuery中创建机器学习数据集** 描述：了解如何使用BigQuery创建机器学习数据集。 5. **在BigQuery中创建机器学习模型** 描述：学习如何直接在BigQuery中创建机器学习模型，了解新语法，并经历构建、评估和测试机器学习模型的各个阶段。 6. **课程回顾** 描述：恭喜您完成课程！让我们回顾课程中学到的知识以及可用的持续学习资源。 通过注册本专业，您同意Qwiklabs服务条款，具体信息请参见FAQ：https://qwiklabs.com/terms_of_service

Applying Machine Learning to your Data with GCP 日本語版 (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/data-insights-gcp-apply-ml-jp

简介: 课程名称：使用 GCP 应用机器学习于您的数据（日本语版） 课程概述： 如果您对在 PB 级数据上执行查询和处理的方式，以及根据数据增长自动扩展的数据分析感兴趣，请参加 Data Insights 课程。这个为期一周的在线速成课程将教您如何利用 Google Cloud Platform 进行数据分析和可视化，获取分析见解。课程包含互动情景和实践实验室，参与者将使用 Google BigQuery 的各种数据集进行分析信息的探索、挖掘、加载、可视化和提取。课程内容包括数据的加载、查询的执行、模式建模、性能优化、查询费用和数据可视化等模块。 前提条件： 为了充分利用本课程，您应在此专业课程中先完成以下内容： - 探索与准备您的数据 - 存储与可视化您的数据 - 架构与性能 课程大纲： 1. 模块一：预训练的机器学习 API 描述：在此模块中，您将详细了解可在 Cloud Datalab 中使用的预构建和训练的机器学习模型（如图像识别和情感分析等）。 2. 模块二：课程总结 描述：课程到此结束。您将复习所学内容，并查看可用于继续学习的资源。

Applying Participatory Approaches in Public Health Settings (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/applying-participatory-approaches-in-public-health-settings

简介: 课程名称：公共卫生领域中的参与式方法应用 课程概述：本课程专门探讨在公共卫生环境中应用的各种方法和工具。学员将学习如何批判性地分析多学科利益相关者之间的权力动态，理解提供和接受医疗服务之间的互惠关系，以及研究的执行者与参与者之间的关系。学员还将学习如何选择和评估不同的参与式方法，并将其应用于公共卫生项目和研究中。课程将包括利益相关者映射和需求评估等工具，并通过创建合理的叙述来证明所选方法的适用性。 尽管本课程的重点在于公共卫生及其公民和患者参与程序与研究的方式，这些概念也适用于其他学科。因此，学员无需是公共卫生专家或在医疗保健领域工作，也能从中获得洞见。 在课程大纲中，学员将经过以下模块的学习： 模块1：参与式方法如何应用于公共卫生实践？ - 学习如何将参与式方法应用于公共卫生实践，并探索不同的工具以定义公共卫生问题。 模块2：如何选择参与式方法和工具？ - 介绍常用的参与式方法工具，参与选择一种方法以增强监测的电子活动，并深入理解利益相关者分析。 模块3：参与式方法在公共卫生四个领域的应用（第一部分） - 探讨参与式方法在健康改善和健康服务领域中的应用，分析案例研究并反思成功和失败的工具。 模块4：参与式方法在公共卫生四个领域的应用（第二部分） - 探讨参与式方法在健康保护和健康情报领域中的应用，分析案例研究并反思成功和失败的工具。 模块5：使用参与式方法的常见挑战 - 讨论参与式方法的挑战，包括共生产、参与式行动研究和评估，并探索解决这些挑战的方法。 该课程适合任何希望深入理解公共卫生中的参与式方法理论和核心原则的学员。

Applying Python for Data Analysis (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/applying-python-for-data-analysis

简介: 课程名称：应用Python进行数据分析 课程概述：该课程非常适合数据分析师、商业专业人士以及任何希望通过Pandas提升Python技能的人士。参与者将深入学习Pandas，以获得数据处理、清洗和分析的专门知识，进而将原始数据转化为可操作的洞察。 Python是许多巨头公司的“巨人”之力，例如谷歌、NASA、Netflix等都依赖于它进行网页开发、数据处理、人工智能等多个领域的应用。 Python不仅受欢迎，而且是一种强大的工具，在快速发展的科技领域中占据主导地位。

Applying to U.S. Universities (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/study-in-usa

简介: 课程名称：申请美国大学 课程概述： 美国的大学申请过程常常让人感到困惑，尤其是对于来自其他国家的学生而言。此课程旨在帮助国际学生（非美国公民）和非英语母语者了解美国大学的申请流程，提供实用的信息，帮助他们顺利完成申请。课程将重点介绍申请所需的各类文件，以及招生官如何依据这些材料做出接受或拒绝的决策。 课程内容包括： 1. **美国招生流程**：理解美国大学的申请与招生过程，了解与本国不同的“适合度”在4000多所大学中的重要性以及招生官对不同申请的评估标准。 2. **自我评估**：在申请之前，学生需深入了解自身的优缺点。通过自我评估，学生能从招生官的角度审视自己的申请，识别申请中的优势和劣势，并了解EducationUSA这一大学申请援助资源。 3. **研究与规划**：学习如何根据对自己的理解进行大学搜索，建立学校名单，并制定申请计划，包括申请截止日期及如何有效利用搜集到的信息。 4. **申请材料的组成**：理解申请材料的八个部分，包括个人陈述、推荐信、考试成绩等。学习如何分别审核每一材料并确认其如何满足招生要求，有助于学生准备更强的申请。 5. **招生官访谈系列**：通过来自五所不同类型大学的招生官的直接访谈，了解不同学校的招生环境、个性及招生流程，以透视理论与实践的差异。 本课程适合未在任何大学就读的本科新生，对于转学申请者和已经有大学经历的学生也有一定参考价值，但不适用于研究生申请者。通过本课程，学生将学会提出正确的问题并为成功申请美国大学奠定基础。

Apprendre comment apprendre (ACA) : Des outils mentaux puissants qui vous aideront à maîtriser des sujets difficiles (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/apprendre-comment-apprendre

简介: 课程名称：学习如何学习（ACA）：帮助您掌握难题的强大思维工具 课程概述：本课程为您提供了对各个学科（包括艺术、文学、数学、科学和体育）专家所欣赏和使用的学习方法的便捷访问。您将学习大脑如何通过两种截然不同的思维模式进行学习，以及如何编码信息，这是掌握任何主题的关键步骤。课程还将帮助您了解学习中面临的几个重要挑战，如定势思维、学习幻觉、过度学习、冒名顶替者综合症和拖延症，以及如何应对这些挑战。您将发现一些经过实证研究验证的最佳实践，以应对难题，包括间隔学习、交错学习、深度练习、回忆技巧和记忆技巧。 这些方法无论您在所学主题的专业程度如何，都能帮助您改变思维方式和生活方式。如果您已经是专家，从心理层面分析您大脑的运作，将使您更好地理解一些可以帮助您充分掌握知识的技巧，包括关于如何应对测试的反直觉建议，以及如何更有效利用用于作业和解决问题的时间。如果您是初学者或学习困难，本课程将为您提供一系列结构良好的实用技巧，帮助您找到重回正轨的方法。如果您一直想变得更出色，这门课程将成为您的指南。 课程可以与其伴随课程“心智转变”一起学习、并行学习或独立学习。（学习如何学习更侧重于学习，而“心智转变”更侧重于职业发展。） 课程大纲： 1. 什么是学习？ - 介绍大脑的复杂性，并通过隐喻和类比简化相关主题。学习不同的思维模式及其如何提高学习效率，提供对抗拖延的工具，以及学习与睡眠之间的关系。 2. 编码 - 讨论“信息块”（PIECE）的概念，如何形成和使用信息块来改进理解和创造力，并优化考试表现。同时探讨学习中的能力幻觉、过度学习和交错学习的益处。 3. 拖延症与记忆 - 讨论拖延与记忆之间的关系，强调构建长时记忆相应的时间，及如何克服拖延。介绍有效访问长期记忆的最佳方法。 4. 觉醒：学习与释放潜能 - 提供提高学习能力的重要概念和技巧，学习如何与同学更好互动，识别自身优势，避免冒名顶替者综合症，以及使用清单帮助备考，享受充实的学习生活。 如需参加该课程的其他语言版本，请访问相关链接。

Approaching Music Theory: Melodic Forms and Simple Harmony (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/melodic-forms-simple-harmony

简介: 课程名称：音乐理论入门：旋律形式与简单和声 课程概述：本课程旨在探讨音乐的运作原理，尤其是技术细节与审美之间的关系。通过发展实用的理论词汇，您将能够更好地思考和讨论音乐风格，并且提升对音乐的欣赏能力。学员将通过听、看和创作自己的音乐实例来学习音乐理论，涵盖古典、现代、古老、流行、爵士和民间音乐风格。 通过课程讲座、相关例子以及大量实践作业，您将学习旋律的基本要素，逐步进展至双声部与对位法，最后探讨三声部和和声功能的初步概念。 本课程适合有一定音乐理论基础的中级音乐家和作曲家。如果您是希望深化音乐创作、演奏或即兴演奏理解的音乐人，或者是想提升对音乐理论、审美和历史的欣赏能力的爱好者，那么本课程将非常适合您。 课程大纲： 1. 课程概述：该模块介绍了课程的内容，让您了解课程的基本信息。 2. 旋律结构：线条、形状与简单调式：在此模块中，我们将开始建立描述音乐表现技术细节的有用词汇，首先通过分析一些格里高利圣歌和经典爵士乐来进行。 3. 旋律结构：简单、重复与变化：这个模块将探讨单一旋律线的变化，帮助我们描述不同音乐风格之间的技术差异。 4. 音高的结合：协和与不协和音：在这一模块中，我们将研究音高同时演奏的不同方式，关注常规实践规则的基础。 5. 终止式与基本和声功能：我们将深入研究终止式，以描述和弦及其和声功能，为讨论不同音乐风格提供支持，同时探讨如何运用新构建的词汇来分析更完整的音乐作品的功能与美学。

Approche agile et design thinking (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/uva-darden-getting-started-agile-fr

简介: 课程名称：敏捷方法与设计思维 课程概述：虽然团队通常拥有良好的意图和创意，并且努力工作，但他们却常常创造出没人想要、不能使用且无人购买的产品。然而，这并不是命中注定的。敏捷方法与设计思维提供了一种不同且有效的产品开发方法，能够为重大问题提供有趣的解决方案。在本课程中，您将学习如何在过程开始时就确定用户的吸引力，提前预测价值，激励团队制定用户可测试的构想，并创建共同的视角。 本课程由维吉尼亚大学达登商学院的巴滕研究所支持。巴滕研究所的使命是通过创业和创新改善世界：www.batteninstitute.org。 课程大纲： 1. **敏捷方法解决不同的问题**： 本周将探讨为何创建出色产品具有挑战性，以及敏捷方法如何帮助我们。我们将学习敏捷宣言的起源及其定义，同时识别敏捷方法能解决的问题，如何集中时间和精力，以及评估敏捷实践的有效性。 2. **用人物角色、基于问题的场景和替代方案聚焦敏捷方法**： 为避免创建没人想要的产品，应从思考一个具体对象开始。在设计领域，我们通过“人物角色”来定义这个“对象”。本模块将教您如何通过开发人物角色、基于问题的场景和替代方案，借助设计思维的最佳实践来指导您的工作。 3. **获得优秀的用户故事**： 在了解了如何编写人物角色及用户需求假设的基础上，本模块将教您如何测试这些假设并将其转化为敏捷用户故事。我们将解释如何创建访谈指南，以向用户提出正确的问题，并深入研究敏捷用户故事的本质。 4. **通过用户故事聚焦客户价值**： 敏捷用户故事是确保您为用户创造有用产品的日常焦点，它帮助团队进行讨论并为后续测试建立基础。本模块将教您如何促进团队内部用户故事的创建与使用。

Approximation Algorithms (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/approximation-algorithms

简介: 课程名称：近似算法 课程概述：许多现实世界中的算法问题无法通过传统的算法工具有效解决，例如因为这些问题是NP难的。本课程的目标是熟悉处理这些问题所需的重要算法概念和技术。这些技术在我们不要求某些问题的最优解时尤为适用，而是要求一个接近最优解的近似解。我们将学习如何有效地寻找这样的近似解。 课程前置知识： 成功完成本课程，您需要具备一定的算法和数学基础。以下是您应该了解的内容： - O-符号、Ω-符号、Θ-符号；算法分析 - 基础微积分：求和、解决递归、对数运算等 - 基础概率论：事件、概率分布、随机变量、期望值等 - 基础数据结构：链表、栈、队列、堆 - （平衡）二叉搜索树 - 基础排序算法，如归并排序、插入排序、快速排序 - 图的术语、图的表示（邻接表和邻接矩阵）、基本图算法（广度优先搜索、深度优先搜索、拓扑排序、最短路径） 本课程的材料基于资源标签下的课程笔记。我们不会涵盖课程笔记中的所有内容。这些课程笔记供那些没有完全理解讲座的学生和希望深入学习的学生使用。 视频讲座中有一些非常小的错误。这些错误的列表可以在资源下的“勘误表”文档中找到。如果您认为发现了错误，请点击讲座或测验底部的方形标志以报告问题。 课程大纲： - 名称：近似算法简介 描述：在该模块中，我们将介绍学习近似算法的动机。我们将讨论什么是优化问题，启发式算法与近似算法之间的区别。最后，我们将介绍近似比的概念，该概念在评估近似算法的质量时起着核心作用。 - 名称：负载平衡问题 描述：在这个模块中，我们将研究负载平衡问题的各种近似算法。该问题要求将一组具有特定处理时间的作业分配给若干台机器。目标是让所有作业尽快完成。我们将使用上一篇讲座中提到的rho-近似概念分析所计算的解的质量。在此分析中，我们将看到最优解的下界在分析中起着至关重要的作用（或者对于最大化问题而言：上界）。 - 名称：线性规划松弛 描述：在本模块中，我们将介绍线性规划松弛技术以设计近似算法，并解释如何分析基于线性规划松弛的算法的近似比。我们将以（加权）顶点覆盖问题为例。在解释线性规划松弛技术之前，我们将首先为无权顶点覆盖问题提供一个简单的2-近似算法。 - 名称：多项式时间近似方案 描述：在本模块中，我们将介绍多项式时间近似方案（PTAS）的概念，这是一种可以无限接近最优解的算法。我们将描述设计PTAS的通用技术，并将其应用于著名的背包问题。最后，我们将看到如何分析使用该通用技术设计的PTAS。

Approximation Algorithms and Linear Programming (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/linear-programming-and-approximation-algorithms

简介: 课程名称：近似算法与线性规划 课程概述：本课程是数据结构与算法专业化的延续，专注于如何利用线性和整数规划来解决寻求最优解的算法问题。这些问题来自资源分配、调度、任务分配以及旅行推销员问题的变种等领域。接下来，我们将研究NP难题的算法，这些算法的解决方案保证能够在某个近似因子内接近最佳解决方案。 课程大纲： 1. **线性规划**：本模块介绍线性规划的基本概念，并展示如何将某些算法问题（如网络流问题）表述为线性规划。课程将通过Python提供实践教程，指导如何构建和解决线性规划问题，并简要概述包括著名的单纯形算法在内的线性规划算法。问题集将引导学员构建和解决一些有趣的线性规划问题，如金融投资组合问题和最优运输问题。 2. **整数线性规划**：本模块将覆盖整数线性规划及其在解决NP难（组合优化）问题中的应用。我们会通过对背包问题、顶点覆盖和图着色问题等实例进行问题建模来介绍整数线性规划的概念。接下来，我们将研究整数gap的概念，以及顶点覆盖问题的特例。最后，将提供关于如何使用Python库Pulp构建和解决整数线性规划的实践教程。 3. **近似算法：调度、顶点覆盖与最大满足问题**：我们将介绍用于求解NP难问题的近似算法。这些算法通常很快（往往是贪心算法），虽然不一定产生最优解，但保证它的解决方案与最佳方案不会“相差太远”。本模块将从基础概念开始，依次介绍调度问题、顶点覆盖问题和最大满足问题的一系列近似算法。 4. **旅行推销员问题（TSP）与近似方案**：本模块将介绍旅行推销员问题，这是一种非常重要且广泛适用的组合优化问题，讨论其NP难性及用常量因子近似一般TSP的困难性。我们将展示整数线性规划的表述及一种简单而优雅的动态规划算法。课程还将介绍Christofides提出的3/2因子近似算法，并讨论解决TSP的一些启发式方法。最后，我们将展示关于背包问题的近似方案。 通过本课程，您将掌握使用线性与整数规划解决各种算法问题的基础，并了解近似算法的应用与理论。

Approximation Algorithms Part I (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/approximation-algorithms-part-1

简介: 课程名称：近似算法第一部分 课程概述：在本课程中，我们将探讨近似算法，特别是如何以最有效的方式将对象放入最少数量的箱子中，以及如何将节点聚类，以便便宜地将网络分离成围绕几个中心的组件。这些都是NP难度的组合优化问题，而有效解决这些问题几乎是不可能的，因此我们的目标是提供可以在多项式时间内计算的近似解决方案，同时保证其成本相对于最优解的有效性。 本课程假设学员具备标准本科算法课程的知识，尤其强调使用线性规划所设计的算法，这一技术在该领域中极为成功且强大。通过学习本课程，学员将接触到理论计算机科学基础中的一系列问题，并掌握强大的设计与分析技巧。完成课程后，学员将能够识别新遇到的组合优化问题是否接近于已知的一些基本问题，并能设计线性规划松弛，并利用随机舍入尝试解决自己的问题。本课程内容以及作业都是理论性质的，不涉及任何编程任务。 这是近似算法的两部分课程中的第一部分。 课程大纲： 1. **顶点覆盖与线性规划** 在这一模块中，我们通过一个典型的基本问题——顶点覆盖，来引入课程主题。我们将设计和分析一种最先进的近似算法，使用线性规划松弛和舍入等基本技术。这是强大技术的一个简单应用。 2. **背包问题与舍入** 此模块展示了舍入的力量，应用于设计另一个基本问题：背包问题的近似解决方案。 3. **装箱问题、线性规划和舍入** 本模块通过使用聪明的变体，展示了舍入的复杂性，应用于另一个基本问题：装箱问题（这是一个更高级的模块）。 4. **集合覆盖与随机舍入** 这一模块介绍了一种简单而强大的舍入变体，基于概率的随机舍入。其力量应用于另一个基本问题：集合覆盖问题。 5. **多路切割与随机舍入** 本模块深入理解随机舍入，通过发展一种复杂的变体，并将其应用于另一个基本问题：多路切割问题（这是一个更高级的模块）。