111

1、斯坦福大学公开课: 编程方法学 [中文翻译至第28集] 播放
学校: 斯坦福大学 讲师: Mehran Sahami
集数: 28 类型: 计算机
介绍了当代程序设计基本思想:面向对象,模块化,封装,抽象化与测试。《编程方法》将良好的编程思想连同广泛应用的Java语言一同讲授。着重教授良好的编程风格和Java语言的特色。这门同样课适合文科,主修社会科学的同学和编程爱好者学习观看。


http://v.163.com/special/sp/programming.html

第1集] 课程简介 
[第2集] 欢迎来到Karel的世界 
[第3集] Karel与Java 
[第4集] 计算科学发展史 
[第5集] 变量 
[第6集] 操作符 
[第7集] 循环与“一半”问题 
[第8集] 信息隐藏 
[第9集] 字符串 
[第10集] 私有变量的重要性 
[第11集] Gimage类 
[第12集] 枚举 
[第13集] 对字符串的处理 
[第14集] 内存 
[第15集] 指针要点回顾 
[第16集] 数组 
[第17集] 多维数组 
[第18集] 多维数组收尾 
[第19集] 接口 
[第20集] 图形用户界面 
[第21集] Interactor与Listener回顾 
[第22集] NameSurfer概述 
[第23集] 搜索,排序与算法效率分析 
[第24集] 管理大型数据中的良好软件工程原理 
[第25集] 设计实用社交网络 
[第26集] 介绍Java标准库 
[第27集] CS106A后续课程介绍 
[第28集] 宣布图形比赛结果 


斯坦福大学公开课:抽象编程 [中文翻译至第27集] 播放
学校: 斯坦福大学 讲师: Julie Zelenski
集数: 27 类型: 计算机 科学 国际名校公开课
本课程是衔接编程方法论课程,并展示高级编程主题,如递归、算法分析、C++编程语言的数据抽象化,C++类似于C和JAVA语言。如果已经通过电脑科学AP测试并获得高分(4或5分),或者是在大学课程中取得高分,就可以从抽象化编程开始。 抽象化编程假定你已熟悉良好的编程风和软件工程内容(编程方法学的程度)。并能以编程和数据抽象化作为基础来掌握新主题。 主题:抽象和编程的关系。 数据的软件工程原则的抽象和模块化。 面向对象编程,基本数据结构,如堆栈(队列,集)和数据导向设计。 递归和递归数据结构(链表,树,图)。 引入时间和空间复杂度分析。 基础要求:编程方法学基础、以面向高级编程主题。同程度的编程课程(包括高职的AP课程)可以取代我们的编程方法学课程。 [收起]




斯坦福大学公开课:编程范式 [中文翻译至第27集] 播放
学校: 斯坦福大学 讲师: Jerry Cain
集数: 27 类型: 计算机 国际名校公开课
该课程主讲C和C++高级内存管理特色;命令式和面向对象2种范式的差异。函数范式(LISP)和并行编程(C和C++) Python C#等新语言概论。基础要求:具备编程能力,能在抽象化层次上解决问题。学术应该有一定的C++基础。熟悉矩阵、指针、引用、类、算法、递归、链表、HASH算法、迭代等。 [收起]




2 麻省理工学院公开课:算法导论 [中文翻译至第22集] 播放
学校: 麻省理工学院 讲师: Charles Leiserson&Erik Demaine
集数: 24 类型: 计算机 国际名校公开课
本课程教授高效率算法的设计及分析技巧,并着重在有实用价值的方法上。课程主题包含了:排序、搜寻树、堆积及散列;各个击破法、动态规划、偿还分析、图论算法、最短路径、网络流、计算几何、数字理论性算法;多项式及矩阵的运算;高速缓存技术及并行运算。




3 哈佛大学公开课:计算机科学cs50 [中文翻译至第20集] 播放
学校: 哈佛大学 讲师: David J. Malan
集数: 20 类型: 计算机 科学 国际名校公开课
"CS50是哈佛的一门计算机科学的导论性的课程,内容包括基本的计算机知识以及基础算法,常见的编程语言等等,还会探讨最新的计算机科学领域的成果,课程发散性思维强。CS50课程的讲课形式让人耳目一新,真正做到了“快乐学习”。 [收起]


第1集] 课程简介 
[第2集] 欢迎来到Karel的世界 
[第3集] Karel与Java 
[第4集] 计算科学发展史 
[第5集] 变量 
[第6集] 操作符 
[第7集] 循环与“一半”问题 
[第8集] 信息隐藏 
[第9集] 字符串 
[第10集] 私有变量的重要性 
[第11集] Gimage类 
[第12集] 枚举 
[第13集] 对字符串的处理 
[第14集] 内存 
[第15集] 指针要点回顾 
[第16集] 数组 
[第17集] 多维数组 
[第18集] 多维数组收尾 
[第19集] 接口 
[第20集] 图形用户界面 
[第21集] Interactor与Listener回顾 
[第22集] NameSurfer概述 
[第23集] 搜索,排序与算法效率分析 
[第24集] 管理大型数据中的良好软件工程原理 
[第25集] 设计实用社交网络 
[第26集] 介绍Java标准库 
[第27集] CS106A后续课程介绍 
[第28集] 宣布图形比赛结果 


麻省理工学院公开课:计算机科学及编程导论 [中文翻译至第24集] 播放
学校: 麻省理工学院 讲师: Prof. Eric Grimson Prof. John Guttag
集数: 24 类型: 计算机 国际名校公开课
这门课程适用于那些拥有很少或没有编程经验的学生,它致力于使学生理解计算机在解决问题中的作用,并且帮助学生,不论其专业,使他们对于能够完成有用的小程序的目标充满信心。 [收起]




4 斯坦福大学公开课 :机器学习课程 [中文翻译至第20集] 播放
学校: 斯坦福大学 讲师: Andrew Ng
集数: 20 类型: 计算机 国际名校公开课
人工智能的发展到已经进入了一个瓶颈期。近年来各个研究方向都没有太大的突破。真正意义上人工智能的实现目前还没有任何曙光。但是,机器学习无疑是最有希望实现这个目标的方向之一。斯坦福大学的“Stanford Engineering Everywhere ”免费提供学校里最受欢迎的工科课程,给全世界的学生和教育工作者。得益于这个项目,我们有机会和全世界站在同一个数量级的知识起跑线上。 [收起]




加州理工学院公开课:机器学习与数据挖掘 [中文翻译至第4集] 播放
学校: 加州理工学院 讲师: Yaser Abu-Mostafa
集数: 18 类型: 计算机 国际名校公开课
这是涵盖机器学习基本理论、算法和应用的基础课程,结合理论和实践,生动介绍机器学习如何使运算系统得以根据获取的数据改善其表现,并将这些成果运用到工程、科技、金融商业等活动中。专业理论将包括线性模型、VC维、神经网络、支持向量机、数据探测法等。 [收起]
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值