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。