AI Fundamentals for Non-Data Scientists (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/wharton-ai-fundamentals-non-data-scientists

简介: 课程名称：非数据科学家的人工智能基础 课程概述：在本课程中，您将深入探索机器学习如何处理和解释大数据。您将详细了解创建算法的各种方法，以便将其纳入您的业务中，并使用如Teachable Machine和TensorFlow等工具。您还将学习不同的机器学习方法、深度学习的基本概念及其局限性，了解如何提高算法的准确性以及如何使用最佳训练数据。随后，您将探讨生成对抗网络（GANs）和变分自编码器（VAEs），利用您新获得的知识与AutoML互动，帮助您构建满足您需求的算法。此外，您还将欣赏到来自行业领袖的独家访谈，他们在麦当劳和Visa等公司的大数据管理中具有丰富经验。通过本课程的学习，您将掌握多种编码方式，包括如何使用无代码工具，理解深度学习，如何测量和评估算法中的错误，以及如何使用大数据来维护客户隐私，同时利用这些数据制定推动业务发展的不同策略。 大纲： 1. 模块1 – 大数据与人工智能 本模块将介绍大数据，并探讨机器学习在各个业务领域中的应用。您将学习数据是如何分析和提取的，以及数字技术如何扩展和转型企业。模块结束时，您将了解到机器学习作为通用技术的应用及数据挖掘的一些最佳技术和实践。 2. 模块2 – 训练与评估机器学习算法 在本模块中，您将深入了解对比机器学习方法，包括逻辑回归和神经网络，并学习深度学习及其与神经网络的关系。您还将了解损失函数，以及如何有效测量和审查算法中的错误，以保持算法的完整性。 3. 模块3 – 机器学习应用与新兴方法 本模块将聚焦于自然语言处理中的机器学习应用，以及使用生成建模创建新数据的技术。您还将研究AutoML，并了解如何有效利用自动化流程来提高算法效率。您将能够在实践中使用Teachable Machine进行无代码解决方案的算法构建。 4. 模块4 - 行业访谈 本模块将与行业领袖进行交流，深入了解数据抽样和构建可用模型的经验。您将听取来自麦当劳全球菜单战略与营销副总裁Ed Lee的见解，了解成功品牌如何处理数据问题。通过这一模块，您将获得关于大数据如何维护隐私及其在市场营销和内容优化中的重要性的一手知识。

AI in Healthcare Capstone (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ai-in-healthcare-capstone

简介: 课程名称：医疗保健中的人工智能顶点项目 课程概述：本顶点项目带您深入探讨我们在不同课程中学到的所有概念。整个体验围绕一个患者的旅程展开，该患者出现呼吸症状，并因COVID-19的担忧寻求初级保健提供者的帮助。我们将从每次接触中产生的数据的角度跟踪患者的旅程，并使用为本专业特别创建的独特去标识数据集。该数据集涵盖电子健康记录（EHR）和图像数据，我们将利用这些数据集构建模型，以实现对患者的风险分层决策。我们将回顾不同选择（例如特征构建、数据类型的使用、模型评估的设置以及如何处理患者时间线）对模型推荐的护理影响。在这一探索过程中，我们还将讨论在使用人工智能帮助我们做出更好的护理决策时所遇到的监管和伦理问题。本课程将为医疗数据挖掘者提供实践经验。 课程大纲： - 第一部分：入门，第一阶段：数据收集 - 第二部分：第二阶段：模型训练第一部分 - 第三部分：第三阶段：模型训练第二部分 - 第四部分：第四阶段：模型评估 - 第五部分：第五阶段：模型部署与监管，总结 斯坦福大学医学院获得继续医学教育认证委员会（ACCME）的认证，以提供医生的继续医学教育。请参阅以下常见问题，以获取有关原始发布日期、终止或到期日期、认证和学分指定声明、以及每位参与活动内容控制人员的财务关系披露的重要信息。

AI Security (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ai-security

简介: 课程名称：人工智能安全 课程概述：无论您是技术领域的从业者希望了解更多关于人工智能的法律方面，还是法律领域的从业者希望掌握人工智能的技术细节，本课程都适合您。通过本课程的学习，您将全面理解人工智能及其应用，以及人工智能可能实现的背景。我们将探讨人工智能类型、机器学习、人工智能开发生命周期、人工智能治理与风险管理、以及当前和新兴的人工智能法律环境。 课程大纲： 1. **人工智能基础** - 描述：人工智能这个术语常常让人联想到科幻小说与电影、好奇甚至恐惧。在这部分课程中，我们将解析人工智能，了解其基本概念及工作原理。我们将使用经合组织框架将其放入背景中，探索其应用方式，探讨人工智能的类型，并解释其技术基础。 2. **构建人工智能** - 描述：开发人工智能系统的要求与其他开发项目有相似之处，但也有许多特有之处。在这一模块中，我们将讨论人工智能如何“学习”，人工智能开发生命周期，以及构建人工智能系统所需的物理条件。 3. **负责任的人工智能** - 描述：作为一项新兴技术，人工智能如何影响个人和社会值得我们深入研究，同时也需要讨论怎样的原则能让我们在最大化人工智能应用利益的同时，最小化可能造成的伤害。在本模块中，我们将探讨人工智能可能造成的各种伤害，以及负责任实施的人工智能系统应具备的特征。 4. **现有与新兴法律** - 描述：当前的人工智能法律环境有些“无序”。技术的发展超越了立法和伦理的讨论，但许多国家正在努力追赶。我们将讨论现有法律如何适用于人工智能，以及全球范围内新兴的立法动向。 5. **人工智能治理与风险管理** - 描述：本模块评估不同的人工智能治理模型，解释适用于人工智能的风险管理概念，确定规划和范围活动，讨论测试在人工智能治理中的作用，并详细描述人工智能系统的不断评估和改进的设计流程。 6. **人工智能安全与隐私** - 描述：在此模块中，我们将识别人工智能独有的安全问题及与人工智能相关的隐私问题。课程最后我们将通过一个总结视频结束整个学习路径。 通过本课程的学习，您将获得关于人工智能的全面知识，帮助您在技术和法律领域的专业发展中更好地理解和应用人工智能。

AI Strategy and Governance (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/wharton-ai-strategy-governance

简介: 课程名称：人工智能战略与治理 课程概述：本课程将帮助您探索人工智能（AI）及其在企业转型中带来的竞争优势。课程涵盖了AI在企业设置中的多种用途及其降低使用障碍的工具。您将深入了解可解释性AI的目的、功能和应用案例。此外，课程还将提供构建负责任的AI治理算法的工具，教授如何处理大规模数据集以及其对业务的影响。最后，您将研究AI在组织结构中的作用、变更管理中的重要性及AI过程所面临的风险。课程结束时，您将学会识别数据中的偏见、确保用户数据和隐私的信任，以及构建负责任治理战略的要素。 课程大纲： 模块1 - AI经济学：深入分析AI的关键输入、降低AI使用门槛的工具、AI的经济学及其对行业竞争的影响，了解数据与深度学习的价值及计算硬件的复杂性。 模块2 - AI创新：探讨AI与数据分析的经济应用案例，分析大数据的例子及其对生产力与转型的推动作用，重点关注AI在生物制药行业的应用。 模块3 - 算法偏见与公平性：研究数据中的固有偏见及算法偏见问题，探讨如何解决这些挑战及数据保护的法律框架，确保算法的公正性。 模块4 - AI治理与可解释AI：学习可解释AI及其与深度学习的关系，探讨公平算法及政策的重要性，理解建立信任的伦理原则与治理政策。 最终，通过本课程，您将全面掌握AI治理的策略与实施方法，为在企业内推动创新与变革提供有力的支持。

AI Workflow: AI in Production (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ibm-ai-workflow-ai-production

简介: 课程名称：AI工作流：AI在生产中的应用 课程概述：本课程是IBM AI企业工作流认证专业化的第六个课程。强烈建议按顺序完成这些课程，因为它们是一个互相关联的工作流程，每门课程都在前一门的基础上构建。课程的重点是模型在假设的流媒体公司中的生产应用。将介绍IBM Watson机器学习，学习如何在Docker容器中构建自己的API，并利用Kubernetes管理这些容器。课程还介绍了IBM生态系统中的多种工具，帮助部署或维护生产中的模型。AI工作流不是线性过程，因此课程中会有时间专注于重要的反馈回路，以促进整个工作流程的高效迭代。 完成本课程后，您将能够： 1. 使用Docker部署Flask应用程序 2. 部署简单的用户界面，以集成机器学习模型、Watson NLU和Watson视觉识别 3. 讨论基本的Kubernetes术语 4. 在Kubernetes上部署可扩展的Web应用程序 5. 讨论AI工作流中的不同反馈回路 6. 在模型生产的背景下讨论单元测试的使用 7. 使用IBM Watson OpenScale评估生产机器学习模型的偏差和性能 适合人群：本课程主要面向已经具备构建机器学习模型经验的数据科学从业者，意图深化在大型企业中构建和部署AI的技能。如果您是有志的数据科学家，本课程可能不适合您，因为您需要有实际的专业知识来从课程内容中获益。 掌握的技能：假定您已经完成了IBM AI企业工作流专业化的1至5门课程，并且在开始本课程之前，需要对以下主题有扎实的理解： - 线性代数的基本理解 - 抽样、概率理论和概率分布的理解 - 描述性和推理统计概念的知识 - 机器学习技术和最佳实践的总体理解 - Python及常用数据科学包（如NumPy、Pandas、matplotlib、scikit-learn）的实践理解 - 熟悉IBM Watson Studio - 熟悉设计思维过程 课程大纲： 1. 反馈回路与监控 - 重点关注反馈回路和监控，讨论单元测试和商业价值等重要考量，完成有关性能监控的案例研究。 2. OpenScale和Kubernetes实践 - 完成Watson OpenScale和Kubernetes的实践教程，了解如何使用这些工具跟踪生产AI的性能及其对商业目标的影响。 3. 顶点项目：整合所有内容（第一部分） - 开始为期三部分的顶点项目，回顾所学内容，旨在模拟真实世界场景的实际应用。 4. 顶点项目：整合所有内容（第二部分） - 完成顶点项目，包括构建和选择最佳模型，进行时间序列算法预测，并创建后生产分析脚本，提交项目以供同行评审。 通过本课程，您将获得在实际生产环境中有效实施和监控AI模型的技能，助力于您的职业发展。

AI Workflow: Business Priorities and Data Ingestion (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ibm-ai-workflow-business-priorities-data-ingestion

简介: 课程概述：AI工作流程：商业优先事项与数据摄取 这是六部分专业化的第一门课程。强烈建议您按顺序完成这些课程，因为它们并不是独立的，而是形成一个工作流程，每门课程都建立在前面课程的基础上。 这门IBM AI企业工作流程认证专业化的第一门课程将带您了解专业化的范围和先决条件。具体来说，这些课程旨在为具备概率、统计、线性代数和数据科学及机器学习的Python工具的实践数据科学家设计。您将接触到一个假设的流媒体公司，并学习设计思维的概念，这是IBM组织大型企业AI项目的框架。此外，课程还介绍了科学思维的基础，因为将一名经验丰富的数据科学家与初学者区分开来的质量就是创造性的科学思维。最后，您将开始为假设的媒体公司工作，了解他们拥有的数据，并使用Python和Jupyter笔记本构建数据摄取管道。 课程结束时，您应该能够： 1. 理解使用结构化流程进行数据科学的优势。 2. 描述设计思维阶段与AI企业工作流程的对应关系。 3. 讨论多种优先考虑商业机会的策略。 4. 解释数据科学与数据工程在AI工作流程中重叠的地方。 5. 解释数据摄取中测试的目的。 6. 描述稀疏矩阵作为数据摄取目标位置的使用案例。 7. 了解实现数据摄取管道自动化的初步步骤。 适合人群： 本课程针对已经具备构建机器学习模型经验的数据科学从业者，旨在深化他们在大型企业中构建和部署AI的技能。如果您是一名有志成为数据科学家的初学者，建议您不要选修此课程，因为您需要现实世界的专业知识才能从课程内容中受益。 技能要求： 在开始本课程之前，建议您已具备以下主题的扎实理解：线性代数的基本理解；掌握抽样、概率论和概率分布；了解描述性和推论统计概念；对机器学习技术及最佳实践有一般了解；熟练掌握Python及数据科学常用的库（如NumPy、Pandas、matplotlib、scikit-learn）；熟悉IBM Watson Studio；熟悉设计思维过程。 课程大纲： 第1部分：数据收集 在本模块中，您将学习或强化关于识别和阐述商业机会的知识。您将了解到将科学思维应用于理解商业用例的重要性。这个过程与调查员的工作有许多相似之处，并且您将对在这一阶段暂停、退一步并科学地思考主要过程的重要性产生深刻的敬畏。 第2部分：数据摄取 数据清洗、解析、组装及核对是数据科学家必须完成的最耗时的任务之一。数据清洗所花费的时间可能高达60%，并且会随着数据质量和项目需求的增加而增加。该模块关注数据摄取的过程，并呈现一个实际场景的案例研究。

AI Workflow: Data Analysis and Hypothesis Testing (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ibm-ai-workflow-data-analysis-hypothesis-testing

简介: 课程名称：AI工作流程：数据分析与假设检验 课程概述：这是IBM AI企业工作流程认证专项中的第二门课程。强烈建议按顺序完成这些课程，因为它们并不是独立的课程，而是一个逐步构建的工作流程。本课程将以一个假设的流媒体公司为背景，开始进行探索性数据分析（EDA）。课程中将介绍数据可视化、处理缺失数据和假设检验的最佳实践。您将学习使用概率分布进行估计的技术，并将这些估计扩展应用于零假设显著性检验。通过两个实际案例研究，您将运用所学内容：数据可视化和使用简单管道进行多重检验。 完成本课程后，您应能够： 1. 列出关于EDA和数据可视化的几项最佳实践 2. 在Watson Studio中创建一个简单的仪表板 3. 描述处理缺失数据的策略 4. 解释插补与多重插补之间的区别 5. 使用常见分布回答事件概率问题 6. 解释假设检验在EDA中的调查角色 7. 应用多重检验处理的几种方法 适合人群：本课程针对已有机器学习模型构建经验的数据科学从业者，旨在深化在大型企业中构建和部署AI的技能。如果您是有志于成为数据科学家的人士，本课程可能不适合您，因为您需要具备相关的实际经验才能从中受益。 应具备的技能：课程假设您已完成IBM AI企业工作流程专项的第一门课程，并且对以下主题有扎实的理解：线性代数的基本理解；了解采样、概率论和概率分布；掌握描述性和推断性统计概念；对机器学习技术及最佳实践有一般理解；熟练掌握Python及在数据科学中常用的包，如NumPy、Pandas、matplotlib、scikit-learn；熟悉IBM Watson Studio；了解设计思维过程。 课程大纲： 第一部分：数据分析 描述：探索性数据分析主要通过可视化和假设检验获取洞察。本单元关注EDA、数据可视化及缺失值处理。不同的缺失值处理策略可能适用于不同模型，并会影响预测性能。 第二部分：数据调查 描述：数据科学家使用多种统计工具分析数据并得出结论。本单元重点介绍使用概率分布进行估计的基本技术，以及如何将这些估计扩展应用于零假设显著性检验。

AI Workflow: Enterprise Model Deployment (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ibm-ai-workflow-machine-learning-model-deployment

简介: 课程名称：AI工作流程：企业模型部署 课程概述： 这是IBM AI企业工作流程认证专业的第五门课程。强烈建议按顺序完成这些课程，因为它们并非独立课程，而是互相衔接，逐步构建的工作流程。本课程介绍了数据科学家很少接触到的领域：在大型企业中部署模型。课程将重点讲解Apache Spark这一常用的机器学习模型运行框架的最佳实践，包括数据操作、模型训练和模型调优。课程中还将创建和部署一个推荐系统，并介绍模型部署技术。 课程目标： 完成本课程后，您将能够： 1. 使用Apache Spark的RDD、数据框和管道。 2. 运用spark-submit脚本与Spark环境进行交互。 3. 解释协同过滤和基于内容的过滤的工作原理。 4. 使用Apache Spark和Apache Spark流构建数据摄取管道。 5. 分析Apache Spark上机器学习模型的超参数。 6. 使用Apache Spark机器学习接口部署机器学习算法。 7. 从Watson Studio将机器学习模型部署到Watson Machine Learning。 适合人群： 本课程针对已有机器学习模型构建经验的数据科学从业者，旨在深化他们在大型企业中构建和部署人工智能的技能。如果您是有意的 数据科学家，本课程则不适合您，因为您需要具备实际的工作经验才能从课程内容中获益。 所需技能： 课程假定您已完成IBM AI企业工作流程专业的前四门课程，并具备以下基本知识： - 线性代数的基础理解 - 概率论和概率分布的理解 - 描述性和推断统计概念的知识 - 机器学习技术和最佳实践的一般理解 - Python及数据科学常用包（NumPy、Pandas、matplotlib、scikit-learn）的实践理解 - 熟悉IBM Watson Studio - 熟悉设计思维过程 课程大纲： 第1部分：模型部署 描述：如今，数据科学家有更多的工具来创建基于模型或算法的解决方案，了解何时进行代码优化至关重要。本周我们将进行大量实践活动，从与Apache Spark交互开始，逐步进行Docker教程，最后进行Watson Machine Learning的实践教程。 第2部分：使用Spark部署模型 描述：本周主要集中在使用Spark部署模型，转向Spark的理由通常与规模有关，无论是在模型训练还是在预测阶段。虽然构建Spark应用程序的资源较少，但Spark为我们提供了在可扩展环境中构建的能力。我们还将研究推荐系统，现代推荐系统通常利用显式（如数字评分）和隐式（如点赞、购买、跳过、收藏）模式。大多数现代推荐系统采用协同过滤或基于内容的方法，但也存在许多其他方法和混合模式，使得某些已实现的系统难以分类。本周的最后，我们将进行关于模型部署的实操案例研究。

AI Workflow: Feature Engineering and Bias Detection (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ibm-ai-workflow-feature-engineering-bias-detection

简介: 课程名称：AI 工作流程：特征工程与偏见检测 概述：本课程是IBM AI企业工作流程认证专业中的第三门课程。强烈建议按照顺序完成这些课程，因为它们并不是独立的课程，而是构成工作流程的一部分，每门课程都建立在之前的基础上。本课程将介绍我们假设媒体公司的工作流程的下一阶段。在这一阶段，您将学习特征工程的最佳实践、处理类别不平衡以及数据偏见检测等内容。类别不平衡可能严重影响机器学习模型的有效性，而减轻数据中的偏见对于降低偏见模型的风险至关重要。接下来将学习降维、离群点检测和无监督学习技术等最佳实践，以寻找数据中的模式。案例研究将集中在主题建模和数据可视化上。 完成本课程后，您将能够： 1. 使用工具解决类别和类别不平衡问题 2. 解释有关数据偏见的伦理考虑 3. 使用开源库AI Fairness 360检测模型中的偏见 4. 在探索性数据分析和转换阶段应用降维技术 5. 描述自然语言处理中的主题建模技术 6. 使用主题建模和可视化探索文本数据 7. 在高维数据中应用离群点处理最佳实践 8. 将离群点检测算法作为质量保证工具和建模工具 9. 在AI工作流程中使用管道的无监督学习技术 10. 采用基本聚类算法 适合人群：本课程面向已有数据科学从业经验的专业人士，他们希望深化在大型企业中构建和部署AI的技能。如果您是一个有抱负的数据科学家，那么本课程可能不适合您，因为您需要具备真实的专业知识才能从这些课程的内容中受益。 所需技能：假设您已经完成了IBM AI企业工作流程专业的第一和第二课程，并且在开始本课程之前，您对以下主题有扎实的理解：线性代数的基本知识；了解抽样、概率理论和概率分布；掌握描述统计和推断统计概念；对机器学习技术及最佳实践有一般理解；熟练掌握Python及数据科学常用包：NumPy、Pandas、matplotlib和scikit-learn；熟悉IBM Watson Studio；了解设计思维过程。 课程大纲： 第1部分：数据变换与特征工程 描述：本模块将介绍在现代企业中进行有效特征工程所需的技能，这些技能以最佳实践的形式展示，代表了多年的实践经验。 第2部分：模式识别与数据挖掘最佳实践 描述：本模块将继续讨论与特征工程相关的技能，重点关注离群点及使用无监督学习技术寻找模式的方法。

AI Workflow: Machine Learning, Visual Recognition and NLP (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ibm-ai-workflow-machine-learning-vr-nlp

简介: 课程名称：AI工作流程：机器学习、视觉识别与自然语言处理 课程概述： 该课程是IBM AI企业工作流程认证专业化的第四门课程。强烈建议按照顺序完成这些课程，因为它们并不是独立的课程，而是构成一个工作流程，每门课程都建立在前一门课程的基础上。第四门课程涵盖了一个假设的流媒体公司的模型设置及其相关数据管道的下一个阶段。首先要介绍的是复杂的评估指标主题，您将学习多种不同指标的最佳实践，包括回归指标、分类指标和多类指标，这些将用于选择解决商业挑战的最佳模型。接下来的主题则涵盖线性模型、树基模型和神经网络等不同模型的最佳实践。课程中将使用IBM Watson的自然语言理解和视觉识别模型。案例研究将集中于自然语言处理和图像分析，以提供模型管道的现实背景。 课程目标： 完成本课程后，您将能够： - 讨论常见的回归、分类和多标签分类指标 - 解释线性和逻辑回归在监督学习应用中的使用 - 描述网格搜索和交叉验证的常见策略 - 使用评估指标选择适合生产的模型 - 解释树基算法在监督学习中的应用 - 解释神经网络在监督学习中的应用 - 讨论神经网络的主要变体及其最新进展 - 在TensorFlow中创建神经网络模型 - 创建和测试Watson视觉识别实例 - 创建和测试Watson自然语言理解实例 适合人群： 本课程主要面向已有数据科学经验、具备构建机器学习模型能力的从业者，旨在加深他们在大型企业中构建和部署人工智能的技能。如果您是一名有志于成为数据科学家的初学者，本课程并不适合您，因为内容需要真实世界的专业知识。 先决技能： 学员需完成IBM AI企业工作流程专业化的前3门课程，并在开始本课程之前对以下主题有扎实的理解： - 线性代数的基本知识 - 采样、概率论和概率分布的理解 - 描述性和推断性统计概念的知识 - 对机器学习技术和最佳实践的普遍理解 - 对Python及数据科学常用包（如NumPy、Pandas、matplotlib、scikit-learn）的实践理解 - 熟悉IBM Watson Studio - 熟悉设计思维过程 课程大纲： 第1部分：模型评估与性能指标 本周关注模型选择、评估和性能指标，重点是迭代评估模型以寻求改进。您将调查评估指标和线性模型的全景，以确保您能熟练使用基准模型。在案例研究中，您将使用自然语言处理进行分类。完成模型迭代后，您将把模型性能与商业指标联系起来，以更好地理解模型的实用性。 第2部分：构建机器学习与深度学习模型 本周主要集中于构建监督学习模型。我们将调查机器学习中两种流行有效方法的可用方法：树基算法和深度学习算法。我们将覆盖随机森林、提升法等树基方法及其他集成方法，其中许多方法充当可解释的线性模型与难以解释的深度学习模型之间的重要中间层。对于深度学习，我们将使用预构建的视觉识别模型，并利用TensorFlow演示如何构建、调优和迭代神经网络。此外，您还将理解流行的神经网络架构。在案例研究中，您将实现卷积神经网络并为部署做好准备。

AI, Business & the Future of Work (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ai-business-future-of-work

简介: 课程名称：人工智能、商业与未来的工作 课程概述：本课程由隆德大学提供，旨在帮助您理解和应用人工智能，以使您的组织更加高效、可持续和创新。人工智能正在越来越多地影响和塑造全球人们的生活，这为组织带来了巨大的机遇，同时也带来了风险。那么，您该如何为人工智能、商业和未来的工作进行规划呢？ 无论您身处公共部门还是私营部门，无论是在大型组织还是小型商店，人工智能都对您的业务产生了日益增长的影响。然而，大多数组织尚未制定出如何让人工智能发挥作用的战略。 课程讲师阿南玛利亚·杜切阿克·塞格斯滕将通过短小的讲座、访谈和互动练习，引导您思考自己的背景与这些主题的关系。此外，课程还将介绍12位来自不同领域的行业专业人士、人工智能专家和思想领袖，他们的访谈将为您提供更广泛的视角。 主要课程内容包括： 1. **人工智能在工作和商业中的介绍**：了解人工智能的关键概念及其技术革命的历史背景。 2. **人工智能的能力**：认识如何将人工智能的力量应用于您的组织。 3. **人工智能的风险**：探讨引入人工智能可能带来的风险。 4. **人工智能与未来的工作**：介绍人机交互的未来场景。 此课程将帮助您掌握应对未来工作的能力，同时利用人工智能驱动商业创新。

AI, Empathy & Ethics (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ai-empathy-ethics

简介: 课程名称：人工智能、同理心与伦理 概述：本课程为非技术性课程，概述了人工智能的进步及我们在发展、实施和全球广泛使用人工智能时所面临的伦理挑战。 课程大纲： 1. 定义与区分：深入探讨人工智能的基本概念和相关术语，了解其在不同领域的应用及影响。 2. 学习：讨论机器学习的基本原理以及其在人工智能发展中的作用，分析如何通过学习算法来优化AI性能。 3. 感知与同理心：探讨人工智能如何理解和模拟人类情感，及其在建立人际关系中的潜在作用和挑战。 4. 人工智能与未来：展望人工智能的发展趋势，探讨其对社会、经济及伦理的长期影响，强调在技术进步中必须强调伦理关注。 本课程旨在帮助学员理解人工智能的复杂性及其对人类社会的深远影响，同时培养对伦理问题的敏感性。

AI-Enhanced Copywriting: SurferSEO, Upword and Anyword (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ai-enhanced-copywriting-surferseo-upword-and-anyword

简介: 课程名称：AI增强型文案写作：SurferSEO、Upword与Anyword 课程概述：本课程将带领学员踏上一段变革性的学习旅程，提升文案写作技能，掌握AI驱动的内容创建艺术。在这个全面的项目中，学员将与最前沿的AI技术结合，利用SurferSEO、Upword和Anyword的强大功能，创作出高质量、引人入胜且经过搜索引擎优化的内容，从而推动业绩增长。课程包括实践任务，如账户设置、与AI平台互动，以及利用其功能创建引人入胜并经过SEO优化的内容。 课程大纲：该课程深入探讨AI增强型文案写作的各个方面，强调与现代AI工具的结合，通过实践活动帮助学员掌握如何利用这些工具进行有效的内容创作。

AI-Powered Data Analysis: A Practical Introduction (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ai-powered-data-analysis-a-practical-introduction

简介: 课程摘要：AI驱动的数据分析：实用入门 随着生成性人工智能（AI）对我们世界的重塑，数据分析能力正迅速成为一项与阅读和写作同样基本的技能。《AI驱动的数据分析：实用入门》课程探讨了像ChatGPT这样的AI工具如何革新我们对数据的处理方式，使高级分析变得对所有人都可访问。无论你是完全新手还是希望提升技能的学习者，你都将学习如何在这一新领域中导航。 课程大纲： 1. **奠定基础：数据基础** - 本模块帮助学习者理解和定义数据，利用生成性AI进行数据获取，并有效地浏览各种数据格式和来源。学习者将通过真实世界数据集获得实践经验。 2. **技能提升：基本实践** - 本模块为学习者提供基本的数据分析技能，包括选择合适的工具、清理和组织数据、进行统计分析，以及创建可视化图表，同时利用生成性AI增强能力。 3. **完善技能：支持技能与下一步** - 本模块为学习者提供必要的支持技能，如版本控制、利用生成性AI获得技术支持，以及将数据分析知识应用于实际的特定领域项目。 通过本课程的学习，您将能够批判性地思考数据分析的背景和应用，为进入数据驱动的未来打下坚实的基础。

AIDS: Fear and Hope (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/aids-fear-hope

简介: 课程名称：艾滋病：恐惧与希望 课程概述：该课程探讨了艾滋病毒（HIV）的基本生物学以及其导致的疾病艾滋病（AIDS）。同时，分析了影响人们健康与否的经济、社会和政治因素。课程还介绍了科学研究和医疗治疗的进展，讨论了带来希望与引发恐惧的原因。学生们在课程论坛上分享的一些材料可通过@AIDSFAH或#AIDSFAH查看。 课程大纲： - 单元1：开端：一种新疾病令世界震惊 描述：HIV基础知识、污名化、三本书、从黑猩猩到人类的转变以及一些记忆。 - 单元2：传播、性别与政治 描述：传播方式、性别、更多的记忆。 - 单元3：检测（及其政治和记忆） 描述：关键问题——检测。 - 单元4：与HIV共存 描述：不是死亡判决，但也不容易；更多政治与性取向的讨论。 - 单元5：患者护理 描述：医生、药物、更多政治与记忆。 - 单元6：预防、艺术与诗歌 描述：此单元内容待定。 - 单元7：总结 描述：治愈？法律问题、成本、未来与行动。 本课程旨在提供对艾滋病的全面理解，促进对该领域的积极讨论与研究。

Air Conditioning Equipment Selection, Design and Sizing (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/air-conditioning-equipment-selection--design-and-sizing

简介: 课程名称：空调设备选择、设计与尺寸 课程概述： HVAC（暖通空调）系统是各类设施气候控制的基础，确保室内环境的舒适性、生产力和健康至关重要。对于从事该领域的专业人士来说，深入了解关键组成部分和设计原则至关重要。本课程将探索HVAC的基本方面，包括高低压设备、空气处理单元、冷却机组和冷却塔系统、冷冻水系统等。 课程大纲： 1. **高压和低压设备**： - 高压设备在HVAC系统中起着关键作用，保证设备高效温控。冷却机组是重要组成部分，其类型包括吸收式、离心式和往复式冷却机。 - 冷却塔通过散热提升系统的效率，类型包括自然通风和强制通风。 - 空气处理单元（AHUs）调节和循环空气，其分类为单区、双区及多区单元，适应多种空间需求。 - 对于空气分配系统，管道和配件是确保空气均匀分布的关键元素。 2. **空气处理单元（AHUs）**： - AHUs负责空气的调节和循环，关键组件包括过滤器、盘管、风机等。 - 分类依据包括空气流量和配置方式。 - 在选择AHU时，需要综合考虑空间需求和能效。 3. **冷却机组和冷却塔系统**： - 冷却水泵送系统由冷却机组、泵、管道和末端设备构成，不同的分配方案影响冷却效率。 - 透彻理解泵头计算和净正吸入头（NPSH）概念对防止气蚀至关重要。 4. **冷冻水泵送系统**： - 着重于循环冷冻水，通过不同的分配方案优化建筑制冷需求。 - 讨论了管路配置、泵头计算和压力损失等重要概念。 5. **管道和风管设计**： - 方法和基础知识涵盖了冷冻水管道及风管系统设计的基本原理，压力损失和最佳风速的考量。 6. **外部静压和绝缘**： - 静压是HVAC系统中的关键参数，影响系统性能与空气流量。 - 探讨了绝缘材料的选择、热传导原理及其对能效的影响。 总结： 本课程提供了HVAC系统设计、安装与维护的全面理解，涵盖组件、设计原则及能效需求，帮助专业人士成功实现高效的暖通空调系统。

Air Pollution – a Global Threat to our Health (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/air-pollution-health-threat

简介: 课程名称：空气污染—全球健康的威胁 概述：空气是我们生存所需，但无论是室内还是室外，我们呼吸的空气都受到污染。每年，这种污染导致全球700万人失去生命，并造成大量痛苦。每八个死亡病例中就有一个与空气污染有关。本课程将为您介绍空气污染对健康影响的最新研究，并帮助您更广泛地理解空气污染的来源、传播以及我们应采取的应对措施。 课程将探讨以下重要问题：空气污染是什么？其来源是什么？我们在室内和室外如何暴露于空气污染中？空气污染对我们身体的影响是什么？造成的疾病有哪些？哪些人群最为脆弱？我们如何评估空气污染的影响？要实现“显著减少因有害化学品及空气、水和土壤污染导致的死亡和疾病”的可持续发展目标，我们该如何行动？ 在课程中，您将与来自哥本哈根大学和丹麦技术大学的研究人员和专家会面，他们在空气污染与健康的不同方面进行研究，包括毒理学、暴露评估、流行病学、工程学和健康影响评估。应对空气污染对健康的影响是全球性的责任，只有通过新的知识和全球合作，才能推动这一斗争的胜利。 我们希望您能加入我们，提升自己参与这一全球和个人健康挑战的能力。 课程大纲： 1. 名称：我们呼吸的空气 描述：我们呼吸的空气中充满了颗粒和气体。一些气体是自然产生的，但许多是人类活动的结果。本模块将探讨空气污染的定义、来源以及它对肺部和身体其他部分的影响。 2. 名称：户外空气污染 描述：户外空气污染影响到我们每一个人，但不同国家、城乡和街道之间的空气污染水平差异显著。尽管所有人都会受到影响，但一些人群对空气污染的健康影响更为脆弱。本模块将解释如何在不同人群中研究户外空气污染的健康影响，并讨论应对户外污染的方法。 3. 名称：室内空气污染 描述：大多数人把大部分时间花在室内。建筑围护结构会积聚来自室内和室外的污染物。本模块将解释固体燃料使用对健康的影响，这是许多地区的重要污染源，以及其他室内空气污染的来源。您还将学习如何改善家中的空气质量。

AI、機械学習、ディープラーニングのための TensorFlow 入門 (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/introduction-tensorflow-ja

简介: 课程名称：AI、机械学习、深度学习的 TensorFlow 入门 课程概述：该课程专为软件开发者设计，旨在帮助他们理解如何构建可扩展的 AI 驱动算法及其开发工具的使用。课程是未来“TensorFlow in Practice 专门课程”的一部分，学习机械学习流行开源框架 TensorFlow 的最佳实践。学员将通过 Andrew Ng 的“机器学习”和“深度学习专业课程”掌握机械学习和深度学习的基本原理，并在新开设的“TensorFlow in Practice 专门课程”中实现这些原理，构建可扩展模型并应用于现实世界问题。建议有兴趣深入理解神经网络工作的学员先完成“深度学习专业课程”。 课程大纲： 第一部分：新的编程范式 在第一周，学员将接触到机械学习和深度学习的概述，了解它们如何提供新的编程范式以及新的工具集，为以往未探及的情景打开大门。 第二部分：计算机视觉的介绍 在第二周，课程将引导学员通过简短的代码解决计算机视觉问题。学员将观看 Lawrence 和 Andrew 的对话，深入了解计算机视觉。 第三部分：使用卷积神经网络增强视觉 在第三周，学员将探索如何通过卷积神经网络来改进计算机视觉。在此过程中，学员将学习如何从基本的神经网络入手，逐步发展出更强有力的解决方案。 第四部分：使用现实世界的图像 在第四周，课程将集中讨论如何处理复杂的现实世界图像。学员将通过 Andrew 和 Lawrence 的讨论了解到，如何应对图像数据量大或特征不一致的挑战。 这门课程将帮助学员打下坚实的 TensorFlow 基础，并为进一步的深入学习奠定基础。

Ajukan Pertanyaan untuk Mengambil Keputusan Berdasarkan Data (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ajukan-pertanyaan-untuk-mengambil-keputusan-berdasarkan-data

简介: 课程名称：提出问题以基于数据做决策 课程概述：这是谷歌数据分析证书项目中的第二部分。该课程旨在培养您成为初级数据分析师所需的技能，进一步加深您对第一部分课程中介绍的主题的理解。您将学习如何有效地提出问题，以便根据利益相关者的需求做出基于数据的决策。谷歌数据分析师将教授您多种实用方法，以利用最佳工具和资源完成数据分析的常见任务。完成该证书项目的学习者将具备足够的知识和技能，能够应聘初级数据分析师的职位，无需之前的经验。 在课程结束时，您将能够： - 学习引导分析的有效提问技巧。 - 理解基于数据的决策流程，以及数据分析师如何展示他们的发现。 - 探索不同的实际商业场景，了解如何提出问题和做出决策。 - 认识到电子表格在数据分析中作为重要工具的原因与方法。 - 测试与结构化思维相关的各种重要理念，帮助分析师更好地理解问题及开发解决方案。 - 学习管理利益相关者期望的策略，同时与数据分析团队进行有效沟通，以达成商业目标。 课程大纲： 1. 有效提问 描述：为了担任数据分析师，您需要提出问题并解决问题。本部分将介绍一些常见分析挑战及解决方案，并指导您如何有效地提出问题以引导您的分析。 2. 基于数据的决策 描述：在分析中，数据驱动决策。本部分将探讨不同类型数据及其对实际生活中的选择和战略的影响，您还将学习如何通过报告和仪表板共享数据。 3. 电子表格的基本知识 描述：电子表格在数据分析中是一个非常重要的工具。在这一部分中，您将学习数据分析师如何在日常工作中使用电子表格，以及他们如何利用结构性思维更好地理解问题并找到解决方案。 4. 始终记住利益相关者 描述：成功的数据分析师学会在满足需求与期望之间取得平衡。在这一部分中，您将学习管理利益相关者期望的策略，同时与团队建立清晰的沟通。

Akademiskt skrivande (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/akademiskt-skrivande

简介: 课程名称：学术写作（Akademiskt skrivande） 概述：本课程旨在帮助学生提高写作能力，解答“如何写出有效的文本”这一问题。课程内容涵盖学术写作的重要特征，提供具体的建议，以帮助学生发展他们的文本和写作技能。学员将通过不同的练习和短篇写作任务获得实践训练。课程目标是使学员能够撰写自己领域内的学术文本，并理解如何作为写作者进一步发展自身。 每个模块的具体目标如下： - 第一模块：学员将学会逐步规划写作，并利用反馈来改进文本和自身写作能力。 - 第二模块：学员能够根据文体和主题背景调整学术文本的内容、结构和语言风格。 - 第三模块：学员能够以可信的方式呈现自己和论点，并撰写流畅且语言准确的文本。 - 第四模块：学员将学会如何以学术诚信和正确的方式引用和参考文献。 - 第五模块：专门面向教师，提供如何在课程中整合写作目标、激励学生以及提高写作训练和反馈效率的建议。 注意：本课程的所有任务均为自愿参与，完成任务将不颁发证书，但强烈建议学生完成尽可能多的任务，以帮助提升写作能力。在“作业”环节，学员将有机会根据指引撰写文本，并将其提交给其他学员进行评审，同时也练习给予反馈。此过程将为学员的写作经验提供宝贵的支持。 课程大纲： 1. 为什么写作？ - 学习逐步规划写作的方法，并了解学术写作的特征，与其他学员进行讨论。 2. 如何构建学术文本？ - 听取有经验的教师和学生关于写作常见问题的分享，学习文本的结构和目的。 3. 学术语言的特征？ - 探讨如何展现自己作为写作者的可信性，学习写作流畅的文本并避免常见语言错误。 4. 学术诚信意味着什么？ - 学习如何正确引用和参考文献，了解学术诚信的必要性。 5. 教师：如何提升学生的写作能力？ - 针对教师的写作目标设置建议，如何提高学生的写作训练及反馈效率。

Aléatoire : une introduction aux probabilités - Partie 1 (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/probabilites-1

简介: 课程名称：随机性：概率论导论 - 第一部分 课程概述：本课程是对概率论的介绍，内容与École polytechnique第一年核心课程一致，由Sylvie Méléard教授授课。课程逐步引入随机变量的概念，并以大数法则和中心极限定理作为高潮。必须的数学概念将在整个课程中逐步引入，并提供许多已解答的练习题。同时，课程还介绍随机变量的模拟方法，如蒙特卡罗方法，并提供互动的数值实验，使学生能够可视化各种概念。 课程大纲： 第1部分：概率空间（1/3） 描述：本周课时将介绍概率空间的基本概念，讨论随机实验和随机事件的定义，以及在有限状态空间上定义概率。 第2部分：概率空间（2/3） 描述：本周继续研究有限状态空间上的均匀概率分布，并讨论概率的一般定义，特别是“σ-代数”这一概念。 第3部分：概率空间（3/3） 描述：本周结束第一部分内容，介绍条件概率和独立性两个核心概念，研究博雷尔-康托利定理等重要结果，并引入随机变量的概念。 第4部分：有限或可数空间上的随机变量（1/2） 描述：开始第二部分内容，研究离散随机变量，即取有限或可数值的随机变量。 第5部分：有限或可数空间上的随机变量（2/2） 描述：本周讨论强大的工具：生成函数，研究随机变量对及独立的随机变量。 第6部分：实数中的随机变量（1/3） 描述：第三部分课程专注于实数值随机变量，这一节新增了“模拟方法和互动数值实验”环节，每节课都有互动实验供学生参与。 第7部分：实数中的随机变量（2/3） 描述：本周介绍随机变量的期望值概念。 第8部分：实数中的随机变量（3/3） 描述：第三部分课程结束，讲解如何计算随机变量的分布律以及一些实用的不等式。

Aléatoire : une introduction aux probabilités - Partie 2 (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/probabilites-2

简介: 课程名称：随机性：概率论入门 - 第二部分 课程概述：该课程是对概率论的入门介绍，内容与由Sylvie Méléard教授在巴黎高等师范学校授课的第一年基础课程相同。课程逐步引入随机变量的概念，最终讲解大数法则和中心极限定理所涵盖的内容。 必要的数学概念将在课程进行中逐渐引入，并提供大量的习题供学员练习和纠正。此外，课程还介绍了随机变量的模拟方法，比如Monte Carlo方法，并提供互动的数值实验，以帮助学员直观地理解不同的概率概念。 课程大纲： 1. 随机向量（1/2）：本周开始第4课，主题为随机向量，即有限个实数随机变量的集合，例如一对随机变量。课程持续两周。 2. 随机向量（2/2）：这是第4课的延续与结束，主要推广计算分布的结果。 3. 收敛性与大数法则（1/2）：开始第5课，主要内容为被称为“大数法则”的定理，同时引入多种随机变量序列的收敛概念。 4. 收敛性与大数法则（2/2）：结束第5课，提供大数法则的实际应用示例，并介绍Monte Carlo方法。 5. 特征函数、分布收敛与中心极限定理（1/2）：开始第6课（本MOOC的最后一课），介绍一种新的强大工具：特征函数。 6. 特征函数、分布收敛与中心极限定理（2/2）：最后一周专注于概率论的第二个支柱：中心极限定理。该结果需要新的收敛概念——分布收敛。我们还将探讨该理论在统计调查中对置信区间的应用。

Alfabetização Midiática, Informacional e Diálogo Intercultural - UNESCO e UNICAMP (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/alfabetizacao-midiatica

简介: 课程名称：媒介素养、信息素养与跨文化对话 - 联合国教科文组织与坎皮纳斯州立大学 课程概述：本课程旨在探讨巴西近年来数字世界中信息泛滥的现象。我们将展示如何有效利用海量媒体，并安全地参与数字内容的创建。此外，课程还包含了多位社区领袖的见解与分析，您将通过每周的视频获得他们的思考。了解与我们不同的观点是展开探究的良好开端。 课程大纲： 1. **媒介与信息素养：导论** - 介绍沟通渠道和其他信息提供者在民主与社会发展中的重要性。 2. **媒介、信息素养与跨文化对话** - 深入探讨媒介素养和信息素养在沟通与文化交流中的作用。 3. **评估与使用信息和媒体内容** - 学习如何有效地寻找、评估和使用信息，提高信息素养。 4. **使用研究及分析生产自己的信息和媒体内容** - 掌握生产个人内容的能力。 5. **表达自由、信息自由与新闻自由** - 理解这些自由的重要性在于促进民主参与。 6. **性别在媒体、书籍、互联网与历史中的表现** - 讨论媒体中的性别表现及其影响。 7. **媒体与信息伦理：商业、政治与发展** - 考虑媒体和信息在社会各个层面上面临的伦理挑战。 8. **理解与评估广告世界** - 探索广告的影响及其在信息传播中的角色。 9. **互联网的挑战与儿童青年的机会** - 分析年轻人在数字环境中面临的风险与机遇。 10. **参与媒体与运用新技术和信息进行社会行动** - 学习如何利用技术为社会行动带来积极影响。 欢迎加入这个引人入胜的课程，提升您的媒介与信息素养，促进跨文化对话。

Algae Biotechnology (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algae-biotechnology

简介: 课程名称：藻类生物技术 课程概述：数十年来，研究人员一直在研究微藻，以了解它们的生物功能以及如何利用技术利用藻类的力量创造广泛的商业产品。在本课程中，我们将介绍合成生物学、基因工程和代谢工程在藻类生物技术中的应用，并考察当前藻类生物技术研究及工具的状态。 我们还将探索可以从藻类中制造的一些常见生物产品，并观察一些现实世界中的藻类公司如何利用藻类生物技术创造消费者可以购买的产品。 该课程是由藻类技术教育联盟和加州大学圣地亚哥分校制作的一系列课程的一部分，资金来自藻类基金会、国家可再生能源实验室和美国能源部。 课程大纲： 1. 藻类生物技术简介 2. 藻类的基因与代谢工程 第1部分 3. 藻类的基因与代谢工程 第2部分 4. 藻类生物技术的商业生产 5. 藻类生物技术公司 第1部分 6. 藻类生物技术公司 第2部分

Algebra and Differential Calculus for Data Science (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algebra-and-differential-calculus-for-data-science

简介: 课程名称：数据科学的代数与微积分 课程概述：你对数据科学感兴趣，但数学基础薄弱吗？数学一直是你避之不及的学科吗？本课程将教你进入数据科学所需的最基本的微积分概念，而不涉及大量你可能永远用不到的冗余证明和技巧。可以将其视为进入数据科学的快捷方式，采用易于理解的方法和友好的概念，帮助你真正理解微积分中最重要的思想。我们将复习一些代数基础，讨论导数的定义，计算一些简单的导数，并将导数的基础知识应用于图形绘制和函数的最大化。 本课程旨在帮助学习者成功完成统计建模应用于数据科学的课程，此课程是科罗拉多大学博尔德分校数据科学硕士项目（MS-DS）的一部分。 课程大纲： 1. **函数与代数复习**：复习代数概念，包括函数和对数。 2. **归纳证明、极限与连续性**：简单的归纳证明和函数在无穷大的极限。 3. **导数的定义**：什么是导数？从导数的定义计算简单导数。 4. **乘法法则与链式法则**：使用乘法法则和链式法则计算更复杂函数的导数。 5. **使用导数绘制函数图像**：利用导数的正负值帮助绘制函数图形。 6. **寻找最大值与最小值**：使用导数找出函数的最大值和最小值。 此课程适合希望加强数学基础以便深入数据科学领域的学习者。

Álgebra básica (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algebra-basica

简介: 课程名称：基础代数 课程概述：伽利略曾说：“宇宙用数学语言书写，字符是三角形、圆形及其他几何图形，缺少这些，人类无法理解一个字。”为了理解宇宙，我们需要提出解释其行为的法则，如重力定律、热传播、 电磁学、细胞繁殖、人口增长、疾病传播、股市价格变动，以及冲突中大众的行为等。这些法则通过方程式表达，有些简单，有些复杂。为了应用这些方程解决问题，必须根据代数给出的规则进行操控。代数如同语法，指导我们如何将思想转换为语言，形成句子和陈述。 在这门课程中，由墨西哥国立自治大学（UNAM）提供，您将学习如何依据短语构建代数表达式，从而解决一些已知数据并需找出其它未知数的问题。您将能够列出并求解一次方程、联立方程和二次方程。 课程也适合目前正在学校学习代数但遇到困难的学生，或是已经学习过代数但需要复习以便在更高级课程中（如分析几何、微积分或统计）取得成功。 课程大纲： 1. 代数入门 - 识别代数作为科学提问和寻找解决方案的语法。 - 根据日常语言表达不同变量之间的关系，书写代数表达式。 - 对具体数字估算并简化代数表达式，运用实数的基本算术规则。 2. 一次方程及联立方程 - 基于具体问题列出一次方程，并使用基本代数运算求解。 3. 多项式 - 执行多项式的算术运算，以简化它们。 4. 特殊积与因式分解 - 高效地进行代数表达式的积与因式分解，运用称为特殊积的规则，以解二次方程。 5. 二次方程 - 从具体情境中列出二次方程，并且能通过因式分解或使用二次方程通式求解这些方程。

Algebra: Elementary to Advanced - Equations & Inequalities (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algebra-i

简介: 课程名称：代数：从基础到高级 - 方程与不等式 课程概述：本课程旨在为学生构建坚实的代数基础，使其能够掌握基本的数学概念，并为后续学习更高级的数学课程（如前导微积分、微积分、概率和统计）打下基础。课程将帮助学生巩固计算方法，复习代数公式和性质，并将这些概念应用于现实世界情境中。适合未来将使用代数技能的学生。课程涵盖的主题包括：实数、等式、不等式、多项式、有理表达式和方程、图形、关系和函数、根号和指数、以及二次方程等。 课程大纲： 1. 模块1：数字的结构 描述：本模块介绍了数学家乔治·康托尔正式化了集合论的概念，这一概念对研究和教学产生了深远影响。通过集合及其之间的关系作为基础，讲解实数的结构，从自然数、整数、有理数到实数的概念及其运算，形式化并应用实数的性质。 2. 模块2：线性方程 描述：两个变量之间的线性关系发生在一个变量相对于另一个变量的常量增减。线性方程具有性质，即自变量任何变化都会导致因变量的成比例变化。许多物理情境可以用线性关系建模。在散点图中，我们通常对最佳拟合线或回归线感兴趣。线性方程在所有数学和物理、工程应用中频繁出现，因为非线性系统通常可以被线性方程很好地近似。 3. 模块3：解不等式 描述：在坐标线上，两个点的相对位置用于定义实数集上的不等式关系。当实数a位于实数b的左侧时，我们说a小于b（a

Algebra: Elementary to Advanced - Functions & Applications (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algebra-ii

简介: 课程名称：代数：从初级到高级 - 函数与应用 课程概述：完成本课程后，学生将学会如何成功地应用函数来对不同的数据和现实世界事件进行建模。本课程首先回顾函数的概念，然后提供多种常见和不常见的函数类型实例，适用于各种学科。通过代数和分析技术，分析公式、定义域、值域、图形、截距及基本行为。从这一核心函数集出发，通过算术运算和函数组合创建新函数，并将这些函数应用于解决现实问题。能够描绘多种不同类型的函数将帮助学生了解如何以及何时应用这些函数，并给予学生几何直观，以理解代数技术。本课程的技能和目标将提升学生的解题能力。 课程大纲： 模块一：函数简介 描述：当两个变量之间存在一个常量的增加或减少关系时，即为线性关系。线性函数具备独立变量变化时，依赖变量也会相应比例变化的特性。许多物理情况可以通过线性关系建模。在线性函数中加入形如 ax^2 的额外项，即可形成二次函数，其图形为抛物线。本模块将展示线性和二次函数及其应用的实例。 模块二：其他常见函数 描述：在上一模块中，我们介绍了函数的重要概念，并讨论了线性和二次函数。在本模块中，我们将讨论如何利用已知函数构建新的函数。一种方法是使用先前介绍的图形移动技术。这些方法得到了进一步的发展，并应用于新函数的构建。构建图形往往是解决问题的重要第一步。能够描绘的函数越多，解题能力就越强。 期末考试：函数与应用 描述：恭喜你完成课程，迎来了期末考试！本次期末评估将涵盖课程的所有内容。将此期末考试作为一个学习工具：证明你的知识并识别待改进的领域。在考试时，使用草稿纸，并尝试将任何公式表或外部资源作为工具，而非依赖。提交前检查答案。在考试后，回顾任何错误答案以找出自己的失误，努力区分“愚蠢”的错误和理解上的更本质错误。祝你好运！

Algebra: Elementary to Advanced - Polynomials and Roots (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/polynomials-roots

简介: 课程名称：代数：初级到高级 - 多项式与根 课程概述：该课程是三部分代数课程的最后一部分，学生将在本课程中扩展对更高级函数的知识，并应用和建模这些函数，使用代数和几何技术。此课程使学生能够进行逻辑推理，并得出合理的结论。这种技能在当今世界至关重要。分析定量信息以便进行决策、判断和预测的能力对于理解许多重要的社会和政治问题至关重要。定量技能与推理提供了评估基于定量论证所需的技能。该课程的重要性在于其所处理的数学思想、数学语言及其符号操作，对于希望继续学习微积分、统计或数据科学的学生来说都是必不可少的。 课程大纲： 1. 模块1：指数函数 描述：指数函数在纯数学和应用数学中普遍存在，被认为是"数学中最重要的函数"。在应用中，指数函数建模独立变量的恒定变化与依赖变量的同等比例变化之间的关系，广泛应用于自然和社会科学等多个领域。 2. 模块2：多项式 描述：多项式是一个包含变量（也称为不确定量）和系数的表达式，仅涉及加、减、乘和非负整数指数化操作。多项式是线性函数和二次函数的推广，应用于多个数学和科学领域，广泛用于解决从简单问题到复杂科学问题的多项式方程。 3. 模块3：根 描述：本模块将学习实数的根，自然作为多项式方程 x^n - a = 0 的解决方案而出现。平方根在解决二次多项式中非常重要，并广泛应用于概率论和统计中的标准差等重要概念。 4. 模块4：应用 描述：此模块将探讨代数概念在现实世界中的应用。 5. 期末考试 描述：祝贺您到达期末考试！本次评估将覆盖课程的所有内容。请利用此次考试作为学习工具，识别自己的知识盲点和需要改进的地方。考试后，请复习任何错误的答案以查找失误。祝您好运！

Algorithmic Thinking (Part 1) (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algorithmic-thinking-1

简介: 课程名称：算法思维（第一部分） 课程概述：经验丰富的计算机科学家在超越特定编程语言的抽象层面上分析和解决计算问题。本课程的前两部分建立在我们计算原理课程所教授的基础上，旨在培训学生掌握"算法思维"的数学概念和过程，使他们能够构建更简洁、更高效的解决方案来应对现实世界中的计算问题。 在本课程的第一部分，我们将研究算法效率的概念，并考虑其在图论中的应用。作为课程的核心内容，学生将使用Python实现几个重要的图算法，并利用这些算法分析两个大型真实数据集。本阶段的主要任务是理解算法与被分析数据集结构之间的互动。 推荐背景：学生应能舒适地编写中等规模（300行以上）的Python程序，并具备基本的搜索、排序和递归知识。学生还应具备扎实的数学基础，包括代数、高等数学及对“计算原理”课程中涵盖的数学概念的熟悉程度。 课程大纲： - 模块1 - 核心材料：算法思维的概念、课堂结构、图、暴力算法 - 模块1 - 项目与应用：图的表示、绘图、引文图的分析 - 模块2 - 核心材料：渐近分析、“大O”符号、伪代码、广度优先搜索 - 模块2 - 项目与应用：连通组件、图的韧性以及计算机网络的分析

Algorithmic Thinking (Part 2) (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algorithmic-thinking-2

简介: 课程名称：算法思维（第二部分） 概述：经验丰富的计算机科学家在超越特定编程语言的抽象层面上分析和解决计算问题。本课程旨在训练学生掌握“算法思维”的数学概念和过程，使他们能够构建更简单、更高效的计算问题解决方案。在本课程的第二部分，我们将学习高级算法技术，如分治法和动态规划。学生将实现多种算法，这些算法结合了所学的技术，并使用这些算法分析两个大型真实数据集。课程的主要重点在于理解算法与被分析数据集结构之间的互动关系。 完成本课程后，学生将具备分析、设计和编写解决各种计算问题的算法和编程技能。虽然本课程将Python作为实践算法思维的工具，但您所学到的概念超越了特定的编程语言。 课程大纲： - 模块3 - 核心材料：排序、搜索、大O符号、主定理 - 模块3 - 项目与应用：最近点对、点的聚类、聚类算法的比较 - 模块4 - 核心材料：动态规划、动态规划算法的运行时间、本地和全局序列比对 - 模块4 - 项目与应用：序列比对的计算、基因组学和文本比较的应用

Algorithmic Toolbox (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algorithmic-toolbox

简介: 课程名称：算法工具箱 课程概述：该在线课程涵盖了在实际应用中频繁出现的计算问题的基本算法技术和思想，包括排序与查找、分治法、贪心算法和动态规划。我们将学习许多理论知识：如何排序数据以及如何借助排序进行查找；如何将一个大问题拆分成小部分并递归地解决；何时使用贪心策略；动态规划在基因组研究中的应用。您将练习解决计算问题、设计新的算法，并高效地实现解决方案（确保运行时间不超过一秒）。 课程大纲： 1. **编程挑战** 描述：欢迎来到数据结构与算法的第一模块！我们将概述算法和数据结构的应用场景（提示：无处不在），并带您体验一些样例编程挑战。编程挑战是本专项的重要组成部分（而且通常是最困难的部分！），因为要完全理解一个算法，您需要实现它。编写正确和高效的程序是困难的；请不要惊讶于程序没有按计划工作——我们的第一个程序也没有成功！我们将辅助您完成此专项，通过展示如何实现您的第一个编程挑战。同时，我们将介绍测试技巧，以提高您第一次通过作业的几率。如果程序未按预期工作，我们将展示如何修复问题，即使您还不知道是哪个测试导致实现失败。 2. **算法热身** 描述：在这一模块中，您将学习到基于高效算法的程序可以比基于天真的算法快数十亿倍地解决相同问题。您将学习如何在不实现算法的情况下估算算法的运行时间和内存。掌握这一知识后，您将能够比较各种算法，选择最有效的算法，并最终在编程挑战中实现它们！ 3. **贪心算法** 描述：在本模块中，您将学习一种看似天真但强大的算法类——贪心算法。在了解贪心算法的核心思想后，您可能会觉得它是解决本课程几乎所有编程挑战的“瑞士军刀”。但要警惕：除了一些例外情况，这种直观的想法在实践中很少奏效！因此，重要的是在使用贪心算法之前证明其总能产生最优解。最后，我们将通过几个编程挑战来测试您的直觉和对贪心算法的理解。 4. **分治法** 描述：在这一模块中，您将学习一种强大的算法技术——分治法。基于这一技术，您将看到如何以比天真的线性查找快数百万倍的速度搜索庞大的数据库。您甚至会认识到，您在小学学到的标准乘法方法远非最快！随后，我们将应用分治法设计两个高效算法（归并排序和快速排序）来对浩大的列表进行排序，这个问题在实际中有许多应用。最后，我们将展示这两个算法的最优性，即没有算法能更快地排序！ 5. **动态规划 1** 描述：在课程的最后一个模块中，您将学习一种强大的算法技术——动态规划，用于解决许多优化问题。实际上，动态规划可以解决许多使用贪心或分治策略无法解决的问题。动态规划在实践中有无数应用：从最大化电视台的广告收入，到互联网页面的相似性搜索，再到基因发现（生物学家需要找出将一种基因转变为另一种基因所需的最小突变数）。您将学习如何利用这一思想自动进行拼写校正，并显示两种文本版本之间的差异。 6. **动态规划 2** 描述：在这个模块中，我们将继续练习实现动态规划的解决方案。

Algorithms for DNA Sequencing (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/dna-sequencing

简介: 课程名称：DNA测序算法 课程概述：本课程旨在学习用于分析DNA测序数据的计算方法——算法和数据结构。我们将简要了解DNA、基因组学以及DNA测序的应用。通过使用Python实现关键算法和数据结构，分析真实的基因组和DNA测序数据集。 课程大纲： 1. **DNA测序、字符串与匹配** 描述：本模块将开始探索分析DNA测序数据的算法。我们将讨论DNA测序技术的过去和现在，以及其工作原理。 2. **预处理、索引和近似匹配** 描述：在本模块中，我们将学习用于解决精确匹配和近似匹配问题的新算法。我们将首先学习Boyer-Moore算法，这是一个快速且广泛使用的精确匹配算法。 3. **编辑距离、组装和重叠** 描述：这一周我们完成对读对齐的讨论，学习解决编辑距离问题的算法以及与之相关的生物序列分析问题，如全局和局部对齐。 4. **组装算法** 描述：在最后一个模块中，我们将开始讨论组装问题，并了解其基本原则。接着，我们将学习几种解决对齐问题的方法。 此课程适合那些对生物信息学和计算机科学感兴趣，并希望深入了解DNA测序分析技术的学习者。

Algorithms for Searching, Sorting, and Indexing (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algorithms-searching-sorting-indexing

简介: 课程名称：搜索、排序和索引算法 概述：本课程涵盖算法设计和分析的基础知识，以及排序数组的算法、优先队列等数据结构、哈希函数和应用程序（如布隆过滤器）。 “搜索、排序和索引算法”课程可作为科罗拉多大学博尔德分校数据科学硕士学位（MS-DS）的一部分获得学分，该学位通过Coursera平台提供。该项目是一个跨学科的学位项目，汇聚了来自科罗拉多大学博尔德分校应用数学、计算机科学、信息科学等多个部门的教师。由于采用基于表现的录取方式且没有申请流程，MS-DS非常适合具有广泛本科教育背景和/或计算机科学、信息科学、数学及统计等专业经验的个人。有关MS-DS项目的更多信息，请访问：https://www.coursera.org/degrees/master-of-science-data-science-boulder。 课程大纲： 1. **算法基础：通过搜索和排序** - 学生将通过插入排序、二分查找和归并排序等三个实例学习算法的基础知识。通过这些算法，学生将接触算法分析，证明算法的正确性和执行时间的增长界限，并理解更快算法及渐近复杂性（通过大O、小Ω和大Θ符号）。 2. **堆和哈希表数据结构** - 学生将学习组织数据以加快某些操作的数据结构的基本知识，包括先进先出队列和后进先出栈等简单数据结构。接着，引入堆数据结构及其基本性质，并学习堆的插入、删除和查找最小元素的算法及时间复杂度，最后研究优先队列数据结构及其应用。 3. **随机化：快速排序、快速选择和哈希表** - 学习快速排序和快速选择算法，以有效地对数组进行排序和选取第k小元素，同时介绍随机化在算法设计中的作用。随后，学习哈希表这一非常实用的数据结构，以实现对大量数据的高效搜索和检索。 4. **哈希表的应用** - 学习随机化枢轴选择用于快速排序和快速选择，分析随机化快速排序/快速选择算法的复杂性。同时，学习开放地址哈希，这是一种简化哈希表设计的技术，并研究哈希函数的设计及其分析。最后，介绍并分析布隆过滤器，这些过滤器在流数据查询和计数等各种应用中非常有用。

Algorithms on Graphs (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algorithms-on-graphs

简介: 课程名称：图算法 课程概述： 在本课程中，您将了解图的基本概念及其在各种真实世界场景中的应用，例如道路网络、计算机网络以及社交网络。如果您使用过导航服务来寻找最佳路线，您实际上就是在使用图算法。本课程将带您深入学习图的性质、遍历图的方法以及在遍历过程中如何高效利用算法。您将学习最短路径算法，从基础算法到谷歌地图等导航服务所使用的先进算法。此课程还涵盖最小生成树的概念，这在道路、电话和计算机网络的规划中非常重要，并且在数据聚类和近似算法中也有应用。 课程大纲： 1. **图的分解 1**：了解图的表示方法以及基础的分解算法，进行迷宫探索、计算机科学课程分析和道路网络分析的编程作业。 2. **图的分解 2**：继续研究有向图的分解算法。 3. **图中的路径 1**：学习图中最短路径的算法，包括广度优先搜索、Dijkstra算法和Bellman-Ford算法，并了解其在导航和航班排序等实际应用。 4. **图中的路径 2**：继续学习最短路径算法，重点了解Dijkstra算法和Bellman-Ford算法的应用。 5. **最小生成树**：研究最小生成树问题，学习Kruskal和Prim两种贪心算法，并进行城市之间道路构建和对象聚类的编程作业。 6. **高级最短路径项目（可选）**：学习在实际工程中性能极其优越的高级最短路径算法，并在项目中应用这些算法找到真实地图上的最短路径。 通过本课程，您将掌握图及其算法的核心知识，为处理复杂网络问题打下坚实基础。

Algorithms on Strings (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algorithms-on-strings

简介: 课程名称：字符串算法 课程概述：在这个世界和互联网中，文本信息无处不在。我们通过文本查询搜索信息，阅读网站、书籍和电子邮件。在计算机科学的角度来看，这些都是字符串。为了理解这些信息并提高搜索效率，搜索引擎使用了许多字符串算法。此外，新兴的个性化医学领域也运用许多搜索算法来寻找人类基因组中导致疾病的突变。在此在线课程中，您将学习一些关键的模式匹配概念：前缀树、后缀树、后缀数组，甚至包括巴罗斯-惠勒变换。 课程大纲： 1. **后缀树**：您将学习如何在常数时间内搜索字符串中的最长重复子串。1973年，彼得·维纳提出了一种基于后缀树的惊人解决方案，这一关键的数据结构在模式匹配中被广泛应用。 2. **巴罗斯-惠勒变换和后缀数组**：虽然使用后缀树进行精确模式匹配很快，但使用后缀树进行近似模式匹配的方式并不明确。1994年，迈克尔·巴罗斯和大卫·惠勒发明了一种出色的文本压缩算法，即巴罗斯-惠勒变换。这个算法在生物学家寻找基因组突变方面发挥了重要作用。 3. **克努斯-莫里斯-普拉特算法**：在这一模块中，您将了解如何在O(|Text|)时间内进行精确模式匹配，而不是像暴力算法那样的O(|Text|*|Pattern|)时间。此外，您还将了解如何快速构建后缀数组和后缀树的高效算法。 4. **构建后缀数组和后缀树**：本模块将继续深入字符串算法的算法挑战。您将学习一个O(n log n)的后缀数组构建算法和一个线性时间的从后缀数组构建后缀树的算法，并将在课程的最终编程作业中实现这些算法以及克努斯-莫里斯-普拉特算法。 通过本课程，您将掌握字符串算法的关键概念和实现方法，这些知识在计算机科学和生物信息学中都具有重要应用。

Algorithms, Data Collection, and Starting to Code (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algorithms-data-collection-code

简介: 课程名称：算法、数据收集与编程入门 课程概述：本课程将引领您踏上学习计算思维和C语言编程的旅程。如果您希望探索如何以严谨的计算方式与世界互动，并且希望开始学习编程，那么这门课程非常适合您！ 关于计算思维，您可能听到过许多讨论，但如果您询问10个人，可能会得到10种不同的答案。在本课程中，我们将不试图定义计算思维，而是将其视为包含多种不同组成部分的问题解决过程。我们将重点探索算法和数据收集。 对于初学者而言，C语言编程的内容相对容易理解！在本课程中，您将通过编写您的第一个C程序开始学习如何开发C程序；了解数据类型、变量和常量；并通过实现各种STEM计算来提升您的C语言编程技能。该课程不要求您有任何之前的编程经验，因此即使您从未写过代码，也不用担心。 如果这些内容让您感兴趣，请立即加入课程！ 注意：入门（假设没有编程基础）并不等于简单（并不容易）。学习编程确实很困难，特别是本专业课程是基于大学一年级课程的。面对课程挑战并掌握材料将是值得的，但这需要努力工作，过程中也许会有些挫折和沮丧。 模块内容： 模块 1：了解算法并编写您的第一个C程序 模块 2：发现我们如何在程序中存储数据 模块 3：探索如何使用数据收集来解决问题和回答问题 模块 4：练习编写C程序以实现STEM计算 课程大纲：

名称：算法与编程入门

描述：

名称：数据类型、变量与常量

描述：

名称：数据收集与更多算法

描述：

名称：STEM计算

描述：

Algorithms, Part I (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algorithms-part1

简介: 课程名称：算法（第一部分） 课程概述： 本课程涵盖了每位严肃程序员需要掌握的算法和数据结构的基本信息，重点强调Java实现的应用及科学性能分析。第一部分主要涉及基本数据结构、排序和搜索算法；第二部分则专注于图形和字符串处理算法。该课程的所有功能均免费提供，但完成后不提供证书。 课程大纲： 1. 课程介绍：欢迎参加算法（第一部分）。 2. 联合-查找：通过考虑动态连通性问题，介绍基本算法开发与分析方法，讨论不同的联合-查找数据类型实现，并将其应用于物理化学中的渗流问题。 3. 算法分析：基于科学方法分析算法性能，进行计算实验以测量程序运行时间，建立假设并创建数学模型解释行为，同时分析程序的内存使用。 4. 栈与队列：探讨存储对象集合的基本数据类型，通过单链表或动态数组实现，介绍泛型和迭代器等高级Java特性，并讨论其在不同应用中的使用。 5. 初级排序：介绍排序问题和Java的Comparable接口，学习选择排序和插入排序两种基本排序方法，以及与之相关的Graham扫描算法应用。 6. 归并排序：深入研究归并排序算法，其比较次数不超过n lg n，并讨论非递归的自下而上的实现。 7. 快速排序：介绍随机化快速排序算法及其性能分析，讨论快速选择和三路快速排序的变体。 8. 优先队列：介绍优先队列数据类型及其高效实现，并讨论应用于粒子运动的仿真。 9. 初级符号表：定义符号表的API，描述基于排序数组和无序列表的两种基本实现，并分析二叉搜索树的性能。 10. 平衡搜索树：开发具有保证对数性能的符号表，探讨2-3树及红黑树的实现和分析。 11. 平衡搜索树的几何应用：讨论一维和二维范围查询，考虑kd树及其在交集问题中的应用。 12. 哈希表：描述哈希函数的特性及其Java实现，讨论两种哈希表的构建策略。 13. 符号表应用：考虑符号表在集合、字典客户端、索引客户端和稀疏向量等方面的应用。 本课程结构全面，为学习和掌握算法与数据结构打下坚实基础。

Algorithms, Part II (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algorithms-part2

简介: 课程名称：算法（二） 课程概述：本课程涵盖了每位严肃程序员在算法和数据结构方面需要了解的基本信息，重点介绍了Java实现的应用和科学性能分析。第一部分涵盖了基本数据结构、排序和搜索算法，而第二部分则专注于图形和字符串处理算法。课程所有内容均可免费获取，但完成后不提供证书。 课程大纲： 1. **导言**：欢迎加入《算法（二）》课程。 2. **无向图**：定义无向图API，讨论邻接矩阵和邻接表的表示方式，介绍深度优先搜索和广度优先搜索这两种经典搜索算法，处理连通分量计算及相关应用。 3. **有向图**：研究有向图，包括在有向图中使用深度优先和广度优先搜索，讨论垃圾回收和网页爬虫等应用，介绍无环有向图的拓扑排序算法，并实现Kosaraju−Sharir算法计算强连通分量。 4. **最小生成树**：研究最小生成树问题，考虑通用贪心算法并实现经典的Kruskal和Prim算法，讨论应用和开放问题。 5. **最短路径**：分析最短路径问题和基本属性，介绍Dijkstra算法及用于加权有向图的Bellman−Ford−Moore算法，探讨内容感知填充和套利等应用。 6. **最大流与最小割**：介绍最大流和最小割问题，包含Ford−Fulkerson算法及其有效实现，讨论应用如二分匹配和棒球淘汰。 7. **基数排序**：探讨字符串及相关对象的专用排序算法，介绍LSD和MSD基数排序，以及三路基数快速排序，讨论后缀排序及相关应用。 8. **字典树**：研究字符串键的符号表算法，目标是实现一种比哈希表更灵活且速度快的数据结构，包括多路字典树和三叉搜索字典树。 9. **子字符串搜索**：比较字符串查找算法，从暴力算法到Knuth−Morris−Pratt算法，再到Boyer−Moore算法和Rabin−Karp指纹算法，分析运行时间。 10. **正则表达式**：探讨正则表达式的概念以及grep算法的实现，应用于文本中搜索子字符串。 11. **数据压缩**：实现经典数据压缩方案，包括游程编码、霍夫曼压缩和LZW压缩，使用基于优先队列和符号表的Java库进行高效实现。 12. **归约**：讨论将新问题归约为最大流和最短路径问题的思路，描述经典的未解决问题，并探索算法效率的问题。 13. **线性规划（可选）**：概述线性规划和单纯形法，讨论其在运筹学中的重要性及与已经考虑的算法的关系。 14. **难解性**：探讨是否存在通用问题求解模型，以及P、NP、NP-完全等复杂度类的介绍，讨论著名的P=NP问题及其对已处理算法的影响。 本课程提供了全面深入的算法学习内容，适合程序员和计算机科学爱好者。

Algoritmos de negociación basados en machine learning​ (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/algoritmos-de-negociacion-basados-en-machine-learning

简介: 课程名称：基于机器学习的交易算法 概述：本课程为学员提供资本市场的基础知识，包括价格形成、收益率、波动性、金融资产的技术分析原理，以及基于机器学习分类模型的交易算法，并探讨其在短期主动投资策略中的应用。课程面向希望通过分析工具支持金融资产投资决策的人员，不需在本地安装任何外部程序，所有数字工具均由平台提供。 课程大纲： 1. **金融市场** - 这一模块欢迎学员了解金融市场的运作，识别主要的投资决策，理解金融市场中价格的形成，并估算金融资产的收益率和波动性。 2. **技术分析** - 在本模块中，学员将学习技术分析的概念、用途及其在金融市场中的重要性，并接触到日本蜡烛图、简单移动平均线、指数移动平均线、布林带及主要振荡器等工具。 3. **金融市场交易** - 本模块将介绍基于技术分析的金融资产交易基本规则，并在实际金融市场案例中应用这些交易规则。 4. **基于机器学习模型的交易策略** - 在最后一个模块中，学员将识别主要的机器学习模型，应用分类机器学习模型作为金融资产交易算法的核心，并估算交易算法的主要性能指标。 此课程旨在帮助学员通过现代分析工具提升在资本市场的投资决策能力。

Alibaba Cloud Native Solutions and Container Service (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/cloud-native

简介: 课程名称：阿里云原生解决方案与容器服务 课程概述： 本课程展示如何使用阿里云容器服务和容器注册服务设计和开发与云原生应用、服务及安全解决方案相关的架构。课程旨在帮助学员理解云原生的基本概念、容器技术的商业实施，以及Kubernetes技术，并介绍阿里云提供的额外优势。该课程为用户准备阿里云原生ACA认证考试。 若要获得官方阿里云证书，请访问以下链接参加云原生相关课程： - DevOps 专业课程: https://edu.alibabacloud.com/course/316 - 使用Kubernetes管理容器: https://edu.alibabacloud.com/certification/clouder_kubernetes - 阿里云与CNCF云原生公开课: https://edu.alibabacloud.com/course/312 课程大纲： 1. 介绍 2. 容器注册服务入门 3. 应用迁移 4. 云管理 5. 资源编排 6. DevOps最佳实践 7. ACK上的自动扩缩 8. 机器学习 9. 安全解决方案 10. 无服务器架构 11. 资源相关 此课程适合希望深入了解阿里云原生解决方案的学员，并为相关认证考试做好准备。

Aligning Diet and Exercise (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/aligning-diet-and-exercise

简介: 课程名称：饮食与运动的协调 概述：在考虑身体成分目标时，饮食和运动的调整是必不可少的。通常情况下，个人的饮食干预与其运动方案不一致，这可能会降低成功的潜力。本课程探讨了能量通路，以及主要营养素如何在不同强度和持续时间的运动中提供能量，同时介绍了流行的饮食干预及其与运动建议的协调性。完成该课程后，学生将清晰理解身体的能量通路，各种饮食干预对这些通路的影响，以及帮助最大化成功的饮食与运动协调建议。

Alimentación y dietética para una vuelta al mundo a vela (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/alimentacion-vuelta-al-mundo

简介: 课程名称：全球帆船环游的饮食与营养 课程概述：在全球航行中良好的饮食并非易事。本课程将教您如何在航行期间平衡高营养与实用性。本课程旨在介绍参加跨洋帆船比赛的运动员的备赛及饮食准备，特别是针对巴塞罗那世界赛的运动员。 课程内容包括： - 理解长期项目的特点，运动员备赛期间的身体准备，通过一系列测试确认身体表现的提升，以及如何制定饮食计划。 - 探索巴塞罗那世界赛所需的食品，以及如何设计菜单，使用冻干食品来保持食物的感官特性，确保轻便、长效和稳定。 - 掌握营养需求的计算方法，计划在备赛及航行期间的最佳饮食。 课程大纲： 1. **食物与表现**：介绍运动员特别是跨洋航行者的备赛与饮食计划。 2. **能量需求分析**：建立运动员饮食计划的基础，学习营养咨询、能量消耗的计算和身体评估。 3. **营养策略 I**：制定运动员饮食的标准，学习食品金字塔及运动期间的营养需求。 4. **营养策略 II**：探讨航行者的饮食，重点关注水分摄取与饮食控制系统。 5. **海洋航行中的食物**：分析国际海上赛艇船舶IMOCA 60中的食物特性，学习冻干食品的重要性及其制作过程。 通过这些模块，您将全面了解在长途航行中如何科学饮食，确保运动员的营养需求得到满足。

Alle origini della civiltà mediterranea: archeologia della città dal Levante all’Occidente - III-I millennio a.C. (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/nigro-levante-occidente

简介: 课程名称：地中海文明的起源：公元前三到一千年城市考古学 课程概述：本课程探讨了被称为“地中海文明”的文化混合的深层根源。通过考察不同文化如何在地中海区域的城市中交融与交换，从而形成塑造社区、领土和空间的场所，课程旨在解答文化、传统、思想、发现和创新的共享元素是如何汇聚形成这个文明的。课程内容涉及陶瓷、冶金、饮食、建筑、艺术和宗教等多个方面，揭示了地中海如何成为一个文明的摇篮。我们将通过考古学的方法，直接接触古代地中海人民所遗留下来的遗产，尤其以古腓尼基城市莫齐亚为观察重点。课程通过现场挖掘的经历和实地影像，使学习者得以触摸到地中海文明这一宏大马赛克的拼图。挖掘日记（考古学家的书籍）和用以挖掘的工具（小铲子）将引导我们在探索这些古代城市的过程中，理解它们对我们共同记忆的贡献。 课程大纲： 1. 课程模块：发现莫齐亚 2. 课程模块：意识形态与生活 3. 课程模块：水面上的星星 4. 课程模块：传承的身份 5. 课程模块：变革中的社会 6. 课程模块：城市的印象 本课程为对地中海文明感兴趣的学习者提供了一个深入的考古视角，帮助他们理解这一多元文化的复杂性和丰富性。

Alternative Approaches to Valuation and Investment (Coursera) 0 个评论 关注

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

简介: 课程名称：替代估值与投资方法 课程概述：本课程旨在帮助参与者理解资产和投资估值的直观基础，并学习如何在实践中使用替代估值技术。该课程是由墨尔本大学与纽约梅隆银行（BNY Mellon）合作创建的企业金融专项课程的一部分。 课程大纲： 第1部分：定义关于风险的态度与替代风险度量 本周我们将定义独立风险的统计度量为收益的标准差，描述三种对风险的替代态度，并认为风险厌恶是金融市场的标准假设。接下来，我们将分析将资产组合在一起对风险和收益的影响，并通过与适当基准的比较来量化多元化带来的好处。 第2部分：将风险与预期收益关联 本周我们区分系统性风险和非系统性风险，并解释资产价格中反映的预期收益应仅与一种风险类型相关联。我们将展示资本资产定价模型如何将系统性风险与预期收益关联，并讨论该模型的经验不足之处，最后描述更高级的模型，并回顾大型上市公司财务经理的实际做法调查证据。 第3部分：使用财务报表分析测量资本成本 本周我们将解释加权平均资本成本公式的逻辑基础，并展示如何在实践中由公司估算该成本。此外，我们还将考虑估算障碍率时可能面临的许多挑战，并提醒在随意使用该技术时可能出现的反常结果。 第4部分：通过实际期权分析应对财务现实 本周我们将描述标准净现值分析在未考虑公司灵活性影响时可能导致的错误决策。我们将描述公司在实践中面临的三种最常见实际期权，并解释如何使用决策树来近似项目中嵌入的实际期权的价值。最后，我们将考虑实际期权分析的实证证据，并讨论在何种情况下最需要使用实际期权分析。

Alternative Mobility Narratives (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/alternative-mobility-narratives

简介: 课程名称：替代性出行叙事 课程概述：准备好想象一个截然不同的出行未来了吗？本课程探讨了我们如何理解和讲述出行的故事。通过批判性地检查我们当前的叙事，我们帮助你以全新的方式思考出行。利用系统动力学建模，我们将考察你选择的某一出行创新如何影响整体出行系统，无论是正面的还是负面的。本课程将邀请你反思基于工程和经济学的主流出行叙事。但要注意：你可能会因此永远改变对出行的看法！ 本在线课程由EIT城市出行能力中心支持。EIT城市出行是由欧洲创新与技术研究所（EIT）发起的一项倡议，自2019年1月以来，一直致力于鼓励改善人们在城市中的出行，从而使城市更可持续和宜居。 课程大纲： - 第1周：出行语言的重要性 - 第2周：主导叙事：出行作为负担 - 第3周：替代叙事1：出行作为非必要 - 第4周：替代叙事2：出行的共同性 - 第5周：替代叙事3：出行为乐趣 - 第6周：替代叙事4：出行作为互动 - 第7周：最终作业 这个课程为参与者提供了重新审视出行方式的机会，并挑战传统观念。

Alteryx for Beginners (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/packt-alteryx-for-beginners-3trz1

简介: 课程名称：Alteryx初学者课程 课程概述：本课程将帮助您高效地使用Alteryx进行数据清理和分析。课程从Alteryx的介绍开始，涵盖软件的安装、用户界面以及从Excel和CSV文件进行数据导入/导出。 您将探索准备标签中的数据清理与过滤，并了解连接标签的作用。课程还包括如何使用解析和转换标签，以及利用报告标签进行展示。此外，您还将学习文档标签的工具和功能。 课程大纲: 1. **课程介绍**：了解Alteryx的基础知识、下载安装步骤及用户界面。 2. **数据导入与导出**：学习如何处理Excel、CSV等多种文件格式，掌握高效的数据导入和导出方法。 3. **基本数据准备工具**：学习排序、去重和选择重要字段的基础工具。 4. **其他数据准备工具及高级清理工具**：掌握高级数据清理和准备工具，包括数据插补和生成记录行。 5. **过滤器与函数**：专注于使用过滤器和函数来操作和优化数据的技巧。 6. **Alteryx连接**：掌握连接不同数据源的技术，包括联合、连接工具及高级连接方法。 7. **Alteryx解析**：学习如何将文本分列、使用正则表达式进行复杂数据提取。 8. **Alteryx转换标签**：掌握数据操作和汇总的转换工具。 9. **Alteryx报告标签**：学习创建和格式化表格、图表等视觉元素的能力。 10. **Alteryx文档标签**：探讨如何使用文档功能清晰地记录工作流程。 11. **Alteryx空间分析**：介绍空间分析工具的使用，帮助进行地理数据分析。 12. **Alteryx帮助资源**：了解可用的帮助资源和认证准备。 13. **Alteryx案例研究**：通过实际案例学习Alteryx在复杂数据操作中的应用。 此课程将为您提供使用Alteryx进行数据分析和管理的全面技能和实践经验。

Amazon DevOps Guru Getting Started (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/amazon-devops-guru-getting-started

简介: 课程名称：亚马逊 DevOps Guru 入门 课程概述：在本课程中，您将学习亚马逊 DevOps Guru 的优势和技术概念。如果您是该服务的新手，将通过 AWS 管理控制台的演示学习如何开始使用 DevOps Guru。 在本课程中，您将学习以下内容： - 描述 DevOps Guru 的工作原理。 - 熟悉 DevOps Guru 的技术概念。 - 列出 DevOps Guru 的典型使用案例。 - 明确在实际场景中实施 DevOps Guru 所需的条件。 课程大纲：

名称：亚马逊 DevOps Guru 入门

描述：在本课程中，您将学习亚马逊 DevOps Guru 的优势和技术概念。如果您是该服务的新手，将通过 AWS 管理控制台的演示学习如何开始使用 DevOps Guru。

Amazon DynamoDB for Serverless Architectures (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/aws-amazon-dynamodb-for-serverless-architectures

简介: 课程名称：Amazon DynamoDB for Serverless Architectures 课程概述：加入NoSQL解决方案架构师Pete Naylor，深入了解Amazon DynamoDB及其在构建无服务器架构中的应用。课程将介绍DynamoDB的核心组件，以及如何设置和访问这些组件以创建无服务器应用。 在课程中，您还将学习到多个DynamoDB的功能、最佳实践，以及与SQL解决方案相比，这项NoSQL服务的优势。

Amazon DynamoDB: Building NoSQL Database-Driven Applications (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/dynamodb-nosql-database-driven-apps

简介: 课程名称：Amazon DynamoDB：构建 NoSQL 数据库驱动的应用程序 课程概述：本课程将引导您了解 NoSQL 数据库及其解决的挑战。专家讲师将深入探讨 Amazon DynamoDB 的各个主题，包括恢复、SDK、分区键、安全和加密、全球表、无状态应用程序、数据流以及最佳实践。 DynamoDB 是一种键值和文档数据库，在任何规模下都能提供单数毫秒的性能。它是一种完全托管的、多区域的、多主节点数据库，具有内置安全、备份和恢复功能，以及适用于互联网规模应用的内存缓存。DynamoDB 每天可以处理超过 10 万亿个请求，并支持每秒超过 2000 万个请求的高峰。 该课程结合了 Amazon Web Services 专家技术培训师提供的视频讲座、演示以及亲手动手实验，您将在自己的 AWS 账户中运行这些实验，以便自主构建、部署和管理您自己的 DynamoDB 驱动的应用程序。 课程大纲： - 第1部分：欢迎来到 Amazon DynamoDB：构建 NoSQL 数据库驱动的应用程序 - 第2部分：第1周 - 第3部分：第2周 - 第4部分：第3周 - 第5部分：第4周