哈佛大學的大資料演算法(COMPSCI 229r)課程堪稱經典,
課程涵蓋嚴格的方法,
基於堅實的理論基礎,
處理海量資料。
討論的主題包括流和草圖演算法,
降維和外部記憶體演算法等。
本課程講師Jelani Nelson是哈佛大學的電腦科學系教授, John L. Loeb工程與應用科學副教授。
課程面向研究生和高級本科生, 要求對演算法、離散概率和線性代數等數學知識掌握成熟。
本文是該課程的第一部分, 包括八節課, 平均每節課1.5小時。
第一講
物流, 課程主題, 基本尾界(瑪律可夫, 切比雪夫, 切爾諾夫, 伯恩斯坦), 莫里斯的演算法。
第二講
不同的元素, k -wise獨立性, 流的幾何子採樣。
第三講
隨機/近似保證的必要性, 線性草圖, AMS草圖, p穩定草圖(0
第四講
p穩定草圖分析, Nisan的PRG, p大於2的最大穩定ℓp估計。
第五講
ℓp估計演算法的最大穩定性分析, 基於非相干矩陣的確定性點查詢(查詢估計演算法)。
第六講
CountMin素描, 點查詢, 重擊者, 稀疏近似。
第七講
countsketch, ℓ 0採樣, 圖示素描。
第八講
遺忘動態規劃(大約到單調性的距離)。
需要課程資源, 請私信我們。
—完—
想知道AI加教育領域有哪些最新研究成果?
想要AI領域更多的乾貨?
想瞭解更多專家的“智慧觀”?
請在對話介面點擊“找找看”, 去獲取你想要的內容吧。