經典課程:哈佛大學大數據演算法(第三部分)

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:

pan.baidu.com/s/1jHI9aL

—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。


推薦閱讀:

TAG:哈佛大學HarvardUniversity | 大數據 | 開放課程 |