• 计算机科学和Python编程导论(自主模式)

    自主模式 计算机学科
    Eric Grimson
    • Eric Grimson教授、副校长 麻省理工学院计算机科学和电机工程系
    • $可随时加入
    • g12.8万人
    • 7课件全部开放

    简介本课程是两部分课程的上半部分:即 计算机科学和 Python 编程导论及计算思维和数据科学导论。两部分课程旨在帮助以前从未接触过计算机科学或编程的人们学会计算思维、编写程序解决问题。学习了两部分课程的部分学生会将其作为进修高级计算机科学课程的基础,但是大部分是将其作为第一门也是最后一门计算机科学课程。 因为这些课程对很多学生而言,可能是其唯一的正式计算机科学课程,我们更关注的是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。这些具有挑战性且严格的课程内容是要求学生们花费大量时间和精力学会让计算机按照自己的意愿工作。 计算机科学导论和Python 编程导论包括计算概念、Python 编程语言、部分简单算法、测试和调试、算法复杂性、部分简单算法和数据结构的非正式导论。

    章节第一周 Week 1 第二周 Week 2 第三周 Week 3 第四周 Week 4 第五周 Week 5 第六周 Week 6 第七周 Week 7 第八周 Week 8

  • 计算思维和数据科学导论

    自主模式 计算机学科
    Eric Grimson
    • Eric Grimson副校长 麻省理工学院计算机科学与工程学院
    • $可随时加入
    • g2.6万人
    • 7课件全部开放

    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。

    章节Entrance Survey(课前问卷) Overview(Edx概览) Week 1(第一周) Week 2(第二周) Week 3(第三周) Week 4(第四周) Week 5(第五周) Quiz(小测) Week 6(第六周) Week 7(第七周) Week 8(第八周) Week 9(第九周) Exit Survey(结课问卷) Final Exam(期末考试)