經典課程：哈佛大學大數據演算法（第三部分）

哈佛大學的大數據演算法（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，處理海量數據。討論的主題包括流和草圖演算法，降維和外部存儲器演算法等。

本課程講師Jelani Nelson是哈佛大學的計算機科學系教授，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。

本文是該課程的第二部分，包括八節課，平均每節課1.5小時。

第十七講

不經意的子空間嵌入，快速迭代回歸，素描求解回歸。

第十八講

低秩近似，基於列的矩陣重構，k-均值，壓縮感知。

第十九講

RIP與不連貫，基礎追求，Krahmer-Ward定理的聯繫。

第二十講

krahmer -Ward證明，迭代硬閾值。

第二十一講

?1/?1恢復，RIP 1，不平衡擴展器，連續稀疏匹配追蹤。

第二十二講

矩陣完成。

第二十三講

外部存儲器模型:鏈表、矩陣乘法、B樹、緩衝存儲庫樹、排序。

第二十四講

競爭分頁，高速緩存參數無關演算法:矩陣乘法，自組織鏈表，靜態B樹，惰性漏斗排序。

第二十五講

MapReduce :TeraSort，最小生成樹，三角形計數。

課程鏈接：

https://pan.baidu.com/s/1jHI9aL4

—完—

親愛的朋友：

上周，我們刊了課程的前兩部分，有很多讀者收藏和點贊。

今天是課程的第三部分，如果你沒有看到前兩部分，可以在我們的歷史信息中找到。希望本文對喜歡這個領域的你有所幫助。

祝安！

智能觀 一米

2017-1-6 於北京中關村

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？

想了解更多專家的「智能觀」？

請在對話界面點擊「找找看」，去獲取你想要的內容吧。