MIT计算思维导论(Julia)-学习资料
MIT计算思维导论(Julia)课程,内容覆盖计算科学、Julia、矩阵运算、图像变换、随机变量、线性拟合、非线性拟合、微分方程等

关键词标签: MIT, 计算科学, Julia, 拟合, 微分方程

课程介绍

MIT 18.S191是全球顶级院校麻省理工开设的计算机专业方向课程,本课程围绕计算科学及其应用为核心,以Julia这门超级热门的新兴编程语言为实践依托,讲解了计算思维与数据计算科学的全面知识和建模应用方法。

课程内容覆盖 矩阵运算、图像变换、线性拟合、随机游走、非线性拟合、微分方程及应用计算科学对气候等场景建模的解决方案。对于想进阶学习数学科学、计算科学和Julia语言的同学,这是一门不容错过的好课。


课时编号 课时内容
第1讲 课程简介,数组和图像知识
第2讲 图像处理与变换
第3讲 变换:自动微分
第4讲 变换:线性变化与非线性变化,组合变换
第5讲 逆变换、牛顿法
第6讲 动态规划与接缝裁剪 (Seam Carving)
第7讲 结构
第8讲 主成分分析
第9讲 抽样与随机变量
第10讲 随机模拟建模
第11讲 作为类型的随机变量
第12讲 随机游走1
第13讲 随机游动2
第14讲 离散与连续
第15讲 线性模型和模拟
第16讲 优化
第17讲 时间步进与微分方程
第18讲 工具库和参数类型
第19讲 为什么我们不能预测天气
第20讲 第一个气候模型
第21讲 如何在软件上进行协作
第22讲 雪球地球与建模
第23讲 一维平流扩散偏微分方程
第24讲 电阻器、模板和气候模型
第25讲 气候变化建模

ShowMeAI课程解读:全套资料

更多技术与课程清单 | 点击查看详细课程

技术方向 课程及链接
计算机数学基础 MIT-计算机科学的数学基础
辛辛那提大学-微积分I
辛辛那提大学-微积分II
辛辛那提大学-离散数学
斯坦福-线性代数与矩阵方法导论
计算机科学导论 斯坦福-计算机科学导论
哈佛-计算机科学导论
MIT-计算机科学与Python编程导论
数据结构与算法 MIT-数据结构与算法设计
马里兰大学-数据结构
数据库 CMU-数据库系统导论
CMU-数据库系统进阶
机器学习及应用 斯坦福CS229
MIT-机器学习导论
深度学习及应用 斯坦福CS230
哈佛-Python人工智能入门
MIT-深度学习导论
李宏毅-机器学习(&深度学习)
应用深度学习(全知识点覆盖)
UC Berkeley-深度神经网络设计、可视化与理解
威斯康星-深度学习和生成模型导论
UC Berkeley-全栈深度学习训练营
自然语言处理 斯坦福CS224n(深度学习与NLP)
斯坦福CS124(从语言到信息)
斯坦福CS520(知识图谱)
马萨诸塞-自然语言处理进阶
计算机视觉 斯坦福CS231n(深度学习与CV)
密歇根eecs498(CS231n进阶课)
慕尼黑工大adl4cv(深度学习与CV高阶课)
多模态 CMU-多模态机器学习
图机器学习 斯坦福CS224w
强化学习 斯坦福CS234(强化学习)
伯克利CS285(深度强化学习)
无监督学习 伯克利CS294-158(深度无监督学习)
AI与生物医疗 MIT-面向生命科学的深度学习
MIT-基因组学机器学习
MIT-医疗机器学习
图形学与几何 CMU-计算机图形学
AMMI-几何深度学习
其他课程 哈佛-基于Python/JavaScript的web编程
MIT-计算思维导论(Julia)
end
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!