「经典课程」哈佛大学大数据算法（第一部分）

哈佛大学的大数据算法（COMPSCI 229r）课程堪称经典，课程涵盖严格的方法，基于坚实的理论基础，处理海量数据。讨论的主题包括流和草图算法，降维和外部存储器算法等。

本课程讲师Jelani Nelson是哈佛大学的计算机科学系教授，John L. Loeb工程与应用科学副教授。

课程面向研究生和高级本科生，要求对算法、离散概率和线性代数等数学知识掌握成熟。

本文是该课程的第一部分，包括八节课，平均每节课1.5小时。

第一讲

物流，课程主题，基本尾界（马尔可夫，切比雪夫，切尔诺夫，伯恩斯坦），莫里斯的算法。

第二讲

不同的元素，k -wise独立性，流的几何子采样。

第三讲

随机/近似保证的必要性，线性草图，AMS草图， p稳定草图（0

第四讲

p稳定草图分析，Nisan的PRG，p大于2的最大稳定ℓp估计。

第五讲

ℓp估计算法的最大稳定性分析，基于非相干矩阵的确定性点查询（查询估计算法）。

第六讲

CountMin素描，点查询，重击者，稀疏近似。

第七讲

countsketch，ℓ 0采样，图标素描。

第八讲

遗忘动态规划(大约到单调性的距离)。

课程链接：https://pan.baidu.com/s/1dFLaRzN

—完—