计算思维和数据科学导论

自主模式

  • 什么是随堂模式?

    随堂模式课程一般为每学期一轮次,课程每周更新,作业、考试有截止时间,由课程提供方老师、助教指导,课程完结,成绩由老师确认后,统一发放证书。

  • 什么是自主模式?

    自主模式课程常年开放加入,课件全部开放,作业、考试无截止时间,有学堂在线招募选拔的助教指导,考核通过即可自动获得证书。

来自于: 麻省理工学院 | 分类: 计算机(458)

课程描述

介绍如何使用计算法了解现实世界的现象。

什么是认证证书?
免费学习
认证学习
名师签名
实名认证
权威性
纸质证书
付费购买
免费赠送

课程简介

6.00.2x 是针对有着 Python 编程经验和计算复杂性有着初步了解的学生们而设定。我们更倾向于知识的宽度而不是深度。目标是帮助学生简要了解更多内容,以便他们在以后事业发展过程中需要考虑如何用计算法完成某些目标时,能有些许概念。也就是说,这并非是一门“精深计算法”课程。学生需要花费相当时间编写程序,以实践课程所涉及的理念。内容包括数据绘图、随机程序、概率和统计、随机游动、蒙特卡洛模拟算法、建模数据、优化问题和集群。 如果你成功完成本课程,你将获得: 从模糊的问题陈述到解决问题的计算表述的过程中,培养研究能力。 学习一系列有用的算法和约简问题技巧, 学习如何使用模拟技术,阐明使用闭式解不易解决的问题。 学习如何使用计算工具,具体包括简单统计和机器学习、数据绘图工具、模块和理解数据等。 所有要求的阅读内容均可从课件中找到,经 MIT 出版社许可使用。本课程的印刷教材《计算机科学和Python 编程导论》也可购得。

展开

课程章节

Entrance Survey(课前问卷)
Important Preliminary Survey(预备知识调查)
Overview(Edx概览)
EdX Introduction(Edx简介)
Week 1(第一周)
Welcome!(欢迎)
Lecture 1 - Plotting(第一讲:绘图)
Problem Set 1(习题集1)
Week 2(第二周)
Lecture 2 - Simulations and Random Walks(第二讲:模拟和随机游走)
Problem Set 2(习题集2)
阶段小测
Week 3(第三周)
Lecture 3 - Probability and Hashing(第三讲:概率和哈希)
Lecture 4 - Stochastic Programming and Statistical Thinking(第四讲:随机编程和统计思维)
Week 4(第四周)
Lecture 5 - Monte Carlo Simulations(第五讲:模特卡洛模拟)
Lecture 6 - Using Randomness to Solve Non-Random Problems(第六讲:利用随机性解决非随机问题)
Problem Set 3(习题集3)
Week 5(第五周)
Lecture 7 - Curve Fitting(第七讲:曲线拟合)
Problem Set 4(习题集4)
Quiz(小测)
Quiz(小测客观题)
Quiz Code Graders(小测编程题)
Week 6(第六周)
Lecture 8 - Knapsack Problem(第八讲:背包问题)
Lecture 9 - Graphs and Graph Optimization(第九讲:图与图优化)
Problem Set 5(习题集5)
Week 7(第七周)
Lecture 10 - More on Graphs(第十讲:图进阶)
Lecture 11 - Machine Learning(第十一讲:机器学习)
Problem Set 6(习题集6)
Week 8(第八周)
Lecture 12 - More on Machine Learning(第十二讲:更多关于机器学习)
Lecture 13 - Statistical Fallacies(第十三讲:统计悖论)
Summary(小结)
Week 9(第九周)
Guest Lectures - Research Videos(研究讲座)
Bonus Content - Dynamic Programming (not tested) (加分项:动态规划)
Exit Survey(结课问卷)
Important Exit Survey(结课问卷)
Final Exam(期末考试)
Final Exam(期末考试客观题)
Final Exam Code Graders(期末考试编程题)

授课教师

  • Eric Grimson 麻省理工学院 计算机科学与工程学院 副校长

    W. Eric L. Grimson 是 MIT 的副校长,计算机科学和工程教授,及医学工程 Bernard M. Gordon 教授。他于 2011 年被任命为 MIT 副校长之职。Grimson 教授自 1984 年起在 MIT 任职,曾担任电机工程和计算机科学系主任、系副主任及教育主任。Grimson 教授在计算机视觉方面的研究得到国际认可,特别是在医学图像分析方面的应用更是如此。他及他的学生们已经研制出活动和行为识别技术、物体和人体识别、图像数据库索引、图像导航外科手术、场地建模等计算机视觉在各领域的应用。Grimson 教授在整个事业中都积极与学生进行互动。他教授 6.001 计算机程序语言编译与设计已有 25 年之久,现在则在教授 6.00 计算机科学和编程导论以及 6.01 EECS导论课程。他还教授本科课程包括计算机架构、软件工程和信号处理。Grimson 教授总计带出万余名 MIT 本科生,并为近 50 名 MIT 博士生担任导师。Grimson 教授是加拿大萨斯喀彻温人。他于1975 年在加拿大里贾纳大学获得数学和物理荣誉理学士学位,并于 1980 年在 MIT 拿到数学博士学位。他在 MIT 的工程学院获得教学卓越Bose 奖。他是美国人工智能协会 (AAAI) 成员,也是美国电气与电子工程师协会 (IEEE) 成员。项。

  • John Guttag 麻省理工学院 计算机科学 教授

    John Guttag 教授是 MIT 计算机科学和电机工程的 Dugald C. Jackson 教授。他负责计算机科学和人工智能实验室的数据驱动医学研究小组。该小组从事高级计算技术在医学领域的应用研究。目前的项目包括预测不良医学事件、预测病患对治疗的具体反应、无创监测和诊断工具,以及远程医疗。他还从事数据网络、运动分析、软件无线电、软件工程和机器定理证明等方面的研究、出版和讲座。Guttag 教授在布朗大学获得英语学士学位,以及应用数学的硕士学位。他的博士学位是在多伦多大学获得。从 1999 年 1 月至 2004 年 8 月,Guttag 教授一直担任 MIT 电机工程和计算机科学的系主任。他是美国计算机协会的成员,也是美国文理学院院士。

  • Ana Bell 麻省理工学院 计算机科学 讲师

    Ana Bell 是 MIT 计算机科学和电机工程系讲师。Bell 教授在加拿大温哥华英属哥伦比亚大学获得应用科学学士学位。她在普林斯顿大学拿到硕士和博士学位。她的研究方向是计算生物学,特别是使用计算技术回答这类问题:基因在做些什么?基因如何彼此间作用,并影响其他小分子?她在普林斯顿大学担任两个学期计算机科学导论的助教经历让她发现了自己对从教的热情。从那以后,她就一直寻找机会,为学生们介绍计算机科学的奇妙世界。

  • 杨毅 清华大学 电子系 副教授

    清华大学电子系副教授,主要研究方向为媒体信息处理,出版专著包括“跨媒体信息技术导论”、“跨媒体信息技术与应用”等,发表学术论文多篇,拥有多个中国专利及美国专利。

精华笔记

精华笔记正在评选中,去看看全部笔记

常见问题

目前还没有常见问题哟!