1200 Cours Gratuits en Informatique des Meilleures Universités du Monde

Article original : 1200 Free Computer Science Courses from the World’s Top Universities

Dans cet article, nous avons compilé plus de 1200 cours en ligne proposés par les 60 meilleures universités du monde pour étudier l'informatique en 2024.

Nous avons d'abord établi la liste en 2020 en utilisant une approche basée sur les données que nous utilisons chaque année, y compris en 2024. Vous pouvez trouver la méthodologie ci-dessous.

Méthodologie

Premièrement, nous avons identifié les principaux classements universitaires mondiaux. Comme nous étions spécifiquement intéressés par l'informatique, nous avons examiné leurs derniers classements en informatique.

Pour la mise à jour de 2024, Suparn, mon collègue, a utilisé les mêmes sources et la même méthodologie pour trouver les 60 meilleures universités proposant des cours d'informatique en ligne.

Voici les classements utilisés :

• QS : Classement mondial des universités 2024 — Informatique et Systèmes d'Information

• Times Higher Education : Classement mondial des universités 2024 — Informatique

• Classement de Shanghai : Classement académique des universités mondiales 2023 — Informatique et Ingénierie

Ensuite, nous avons parcouru et extrait les données de chaque classement.

Maintenant que nous avions des données, nous avons utilisé Jupyter avec Python pour les traiter. Nous avons combiné les trois classements en un seul en faisant la moyenne de la position de chaque université dans chaque classement. Ensuite, nous avons filtré les universités qui n'offraient pas de cours en ligne et limité la liste aux 60 meilleures institutions — la crème de la crème.

Classement combiné : top 10 des universités pour étudier l'informatique en 2024

Comme vous pouvez le voir ci-dessus, nous avons constaté que les trois premières institutions sont le #1 MIT, le #2 Stanford et l'#3 Carnegie Mellon.

Enfin, nous avons utilisé la base de données Class Central, avec ses 250 000 cours en ligne, pour trouver tous les cours d'informatique proposés par les universités figurant dans le classement.

Le résultat final est une liste de plus de 1200 cours en ligne proposés par les 60 meilleures universités du monde pour étudier l'informatique en 2024.

Statistiques

• Les inscriptions varient de 10 à plus de 13 millions, avec 20 cours dépassant 1 million d'inscriptions

• Au total, ils comptent plus de 110 millions d'inscriptions, avec une moyenne de 155 000 inscriptions

• 1180 cours sont en anglais, 39 en chinois, 15 en espagnol, 13 en arabe, 12 en français, 12 en coréen, 7 en russe, 3 en portugais, 3 en allemand, 1 en néerlandais et 1 en japonais

• Ensemble, ils représentent plus de 78 000 avis sur Class Central, avec une moyenne de 216 avis

• Note moyenne : 4,07 sur 5,0

• Tous ces cours sont gratuits ou peuvent être audités gratuitement

• 240 cours sont de niveau débutant, 281 de niveau intermédiaire et 70 de niveau avancé.

Plus de Cours

La liste complète est divisée par sujets. Cliquez sur un sujet ci-dessous pour accéder à la section correspondante. Avec plus de 1200 cours au choix, j'espère que vous trouverez quelque chose qui vous plaît. Mais si ce n'est pas suffisant, consultez le catalogue de Class Central de 250 000 cours en ligne ou nos collections thématiques :

• Plus de 900 certifications gratuites pour développeurs et informaticiens

• Cours d'informatique de Harvard avec certificat gratuit

• Plus de 40 certificats gratuits de Wolfram U

• Plus de 10 000 cours gratuits des géants de la technologie : Apprenez de Google, Microsoft, Amazon et plus encore

• Plus de 8000 cours OpenCourseWare des meilleures institutions.

Programmation (267)

• Programmation pour tous (Démarrer avec Python) de University of Michigan ★★★★★(44479)

• Structures de données Python de University of Michigan ★★★★★(16763)

• Utiliser Python pour accéder aux données Web de University of Michigan ★★★★★(5744)

• Utilisation des bases de données avec Python de University of Michigan ★★★★★(4709)

• Python et statistiques pour l'analyse financière de The Hong Kong University of Science and Technology ★★★★☆(573)

• Informatique en Python I : Fondamentaux et programmation procédurale de Georgia Institute of Technology ★★★★★(254)

• CS106B, Abstraction de la programmation en C++ de Stanford University ★★★★★(164)

• Apprendre à programmer : Les fondamentaux de University of Toronto ★★★★★(110)

• Informatique en Python IV : Objets et algorithmes de Georgia Institute of Technology ★★★★★(107)

• Science des données et systèmes agiles pour la gestion de produits de University System of Maryland ★★★★★(97)

• Informatique en Python II : Structures de contrôle de Georgia Institute of Technology ★★★★★(59)

• Introduction à HTML5 de University of Michigan ★★★★☆(52)

• Informatique en Python III : Structures de données de Georgia Institute of Technology ★★★★★(48)

• Programmation d'applications mobiles pour systèmes portables Android : Partie 1 de University of Maryland, College Park ★★★★☆(41)

• Conception fonctionnelle de programmes en Scala de École Polytechnique Fédérale de Lausanne ★★★★★(40)

• Introduction à la programmation pour les arts visuels avec p5.js de University of California, Los Angeles ★★★★★(36)

• Langages de programmation, Partie A de University of Washington ★★★★★(27)

• CS50's Web Programming avec Python et JavaScript de Harvard University ★★★★★(26)

• Systèmes de bases de données - Cours de l'Université Cornell (SQL, NoSQL, analyse de données à grande échelle) de Cornell University ★★★★★(24)

• HTML, CSS et Javascript pour les développeurs Web de Johns Hopkins University ★★★★★(20)

• Programmation orientée objet en Java de University of California, San Diego ★★★★☆(16)

• Programmation d'applications mobiles pour systèmes portables Android : Partie 2 de University of Maryland, College Park ★★★★☆(15)

• Introduction à CSS3 de University of Michigan ★★★★★(14)

• Structures de données Python de University of Michigan ★★★★★(12)

• Interactivité avec JavaScript de University of Michigan ★★★★☆(12)

• Utilisation de Python pour la recherche de Harvard University ★★★★☆(12)

• Codez vous-même ! Une introduction à la programmation de University of Edinburgh ★★★★☆(11)

• CS50's Introduction à la programmation avec Python de Harvard University ★★★★★(11)

• Apprendre à programmer : Créer du code de qualité de University of Toronto ★★★★☆(10)

• Programmation pour tous (Démarrer avec Python) de University of Michigan ★★★★★(9)

• Stylisation avancée avec la conception réactive de University of Michigan ★★★★☆(8)

• MATLAB et Octave pour débutants de École Polytechnique Fédérale de Lausanne ★★★★☆(8)

• Introduction à la programmation Swift de University of Toronto ★☆☆☆☆(7)

• Introduction à la programmation Java – Partie 1 de The Hong Kong University of Science and Technology ★★★☆☆(6)

• CS50's Introduction à la programmation avec Scratch de Harvard University ★★★★☆(6)

• Programmation parallèle de École Polytechnique Fédérale de Lausanne ★★★★☆(6)

• Créer des jeux vidéo de Massachusetts Institute of Technology ★★★★☆(6)

• Projet : Récupération, traitement et visualisation de données avec Python de University of Michigan ★★★☆☆(6)

• Applications Web à Page Unique avec AngularJS de Johns Hopkins University ★★★★★(5)

• La technologie informatique à l'intérieur de votre smartphone de Cornell University ★★★★★(5)

• Fondamentaux du codage Web : HTML, CSS et Javascript de National University of Singapore ★★★★★(5)

• Processus de développement logiciel de Georgia Institute of Technology ★★★★☆(5)

• Introduction à la programmation MATLAB (Automne 2011) de Massachusetts Institute of Technology ★★★★★(5)

• CS 193a : Développement d'applications Android Hiver 2019 de Stanford University ★★★★★(5)

• Introduction à la programmation orientée objet (en C++) de École Polytechnique Fédérale de Lausanne ★★★★☆(4)

• Construire des applications Web en PHP de University of Michigan ★★★★★(3)

• Introduction au langage SQL (Structured Query Language) de University of Michigan ★★★★☆(3)

• Comprendre et visualiser les données avec Python de University of Michigan ★★★★★(3)

• Systèmes de bases de données : Bases de données relationnelles et SQL de Stanford University ★★★★☆(3)

• Maîtriser l'entretien d'embauche en génie logiciel de University of California, San Diego ★★★★☆(3)

• Initiation à la programmation (en C++) de École Polytechnique Fédérale de Lausanne ★★★★★(3)

• Bases du développement d'applications iOS de University of Toronto ★★★★☆(2)

• CS50's Mobile App Development avec React Native de Harvard University ★★★★★(2)

• Bases de l'ingénierie logicielle de Technische Universität München (Technical University of Munich) ★★★★☆(2)

• Conception et développement d'applications pour iOS de University of Toronto ★★★☆☆(2)

• Bases de Python de University of Michigan ★★★★★(2)

• CS50's Introduction aux bases de données avec SQL de Harvard University ★★★★☆(2)

• التفاعل مع لغة البرمجة جافا سكريبت de University of Michigan ★★★☆☆(2)

• البرمجة باستخدام لغة R de Johns Hopkins University ★★★★☆(2)

• Programmation pour tous (mise en route de Python) de University of Michigan ★★★★☆(2)

• Créer votre propre application de Technische Universität München (Technical University of Munich) ★★★★★(1)

• Construire des applications de base de données en PHP de University of Michigan ★★★★★(1)

• Conception de bases de données et SQL de base dans PostgreSQL de University of Michigan ★★★★★(1)

• JSON et traitement du langage naturel dans PostgreSQL de University of Michigan ★★★★★(1)

• Concepts et conception de systèmes de bases de données de Georgia Institute of Technology ★★★★☆(1)

• Construire des applications Web avec Django de University of Michigan ★★★★★(1)

• Tests logiciels automatisés : Test basé sur les modèles et les états de Delft University of Technology ★★★★★(1)

• Ajustement de modèles statistiques aux données avec Python de University of Michigan ★★★★★(1)

• Conception Web pour tous - Projet final de University of Michigan ★★★★☆(1)

• Analyse statistique inférentielle avec Python de University of Michigan ★★★★★(1)

• Lernen objekt-orientierter Programmierung de Technische Universität München (Technical University of Munich) ★★★★★(1)

• Fonctions, fichiers et dictionnaires Python de University of Michigan ★★★★★(1)

• Programmation avec Scratch de The Hong Kong University of Science and Technology ★★☆☆☆(1)

• ¡A Programar! Une introduction à la programmation de University of Edinburgh ★★★★★(1)

• البرمجة للجميع - بدء استخدام بايثون de University of Michigan ★★★★★(1)

• Initiation à la programmation (en Java) de École Polytechnique Fédérale de Lausanne ★★★★★(1)

• Introduction à la programmation orientée objet (en Java) de École Polytechnique Fédérale de Lausanne ★★★★★(1)

• Programación para todos (empezando con Python) de University of Michigan ★★★★☆(1)

• 计算导论与C语言基础 de Peking University ★★★★☆(1)

• Stanford Seminar - Optional Static Typing for Python de Stanford University ★★★★★(1)

• Программирование для всех (начало работы с Python) de University of Michigan ★★★★★(1)

• 15-721 Advanced Database Systems (Printemps 2017) de Carnegie Mellon University ★★★★☆(1)

• 15-721 Advanced Database Systems (Printemps 2019) de Carnegie Mellon University ★★★★★(1)

• Sept bases de données en sept semaines (Automne 2014) de Carnegie Mellon University ★★★★★(1)

• Stanford Webinar - Cloud Computing : Quoi de neuf à l'horizon avec Dr. Timothy Chou de Stanford University ★★★☆☆(1)

• JavaScript, jQuery et JSON de University of Michigan

• Tests logiciels automatisés : Tests unitaires, critères de couverture et conception pour la testabilité de Delft University of Technology

• Méthodes quantitatives pour la biologie de Harvard University

• Construisez votre propre application iOS de University of Toronto

• Génie logiciel : Implémentation et tests de The Hong Kong University of Science and Technology

• Introduction à la programmation Python de University of Pennsylvania

• Bases de données : Sujets avancés en SQL de Stanford University

• Introduction à la programmation Java – Partie 2 de The Hong Kong University of Science and Technology

• Analyse et tests logiciels de Georgia Institute of Technology

• Introduction à Java et à la programmation orientée objet de University of Pennsylvania

• Utilisation de JavaScript et JSON dans Django de University of Michigan

• Génie logiciel : Conception logicielle et gestion de projet de The Hong Kong University of Science and Technology

• Conception de bases de données et SQL de base dans PostgreSQL de University of Michigan

• Création d'applications de réalité virtuelle (RV) de University of California, San Diego

• Programmation R de Stanford University

• Programmation en C de University of Michigan

• Langages de programmation Ⅰ de Korea Advanced Institute of Science and Technology

• Structures de données en C de University of Michigan

• Grandes idées en programmation : S'exprimer avec Python de University of Michigan

• Génie logiciel : Modélisation des systèmes logiciels à l'aide d'UML de The Hong Kong University of Science and Technology

• Développement d'applications Web avec la puissance de Node.js de Technische Universität München (Technical University of Munich)

• Développement d'applications Android avec App Inventor de The Hong Kong University of Science and Technology

• Technologies d'applications Web et Django de University of Michigan

• Utilisation de JavaScript et JSON dans Django de University of Michigan

• Collecte et traitement des données avec Python de University of Michigan

• Diagrammes de classes UML pour le génie logiciel de KU Leuven University

• Construire des objets en C de University of Michigan

• Expériences d'applications mobiles de Massachusetts Institute of Technology

• Comment fonctionne la réalité virtuelle de University of California, San Diego

• Langages de programmation Ⅱ de Korea Advanced Institute of Science and Technology

• Le pouvoir de la programmation orientée objet de University of Michigan

• PostgreSQL intermédiaire de University of Michigan

• CS50's Introduction à la programmation avec R de Harvard University

• Répondre à des questions intéressantes avec des données de University of Michigan

• Architecture de bases de données, échelle et NoSQL avec Elasticsearch de University of Michigan

• Héritage et structures de données en Java de University of Pennsylvania

• Bases de données : Modélisation et théorie de Stanford University

• 3D Graphics in Android : Capteurs et RV de Imperial College London

• Explorer C de University of Michigan

• Introduction au Neurohacking en R de Johns Hopkins University

• Utilisation de JavaScript et JSON dans Django de University of Michigan

• Introduction aux graphiques Android de Imperial College London

• Introduction à la programmation orientée objet avec Java III : Exceptions, structures de données, récursion et interfaces graphiques de Georgia Institute of Technology

• Construction de mondes pour les jeux vidéo de The University of British Columbia

• JSON et traitement du langage naturel dans PostgreSQL de University of Michigan

• Apprentissage statistique avec Python de Stanford University

• Conception de signaux audio en temps réel en Faust de Stanford University

• PostgreSQL intermédiaire de University of Michigan

• Introduction à JavaScript et Ajax : Construire des applications Web de Johns Hopkins University

• Applications Cloud de Georgia Institute of Technology

• Bases de données : Données semi-structurées de Stanford University

• Introduction à la programmation orientée objet avec Java I : Fondamentaux et bases de la syntaxe de Georgia Institute of Technology

• Développement logiciel mondial de Delft University of Technology

• Développement avancé d'applications Android - Projet final de Imperial College London

• Python pratique pour le codage IA 1 de Korea Advanced Institute of Science and Technology

• Débogage : Chasse et élimination des bugs de University of Michigan

• Introduction à la RA/RV/RM/RX : Technologies, applications et problèmes de University of Michigan

• Introduction à la programmation parallèle avec CUDA de Johns Hopkins University

• Introduction à la programmation orientée objet avec Java II : Programmation orientée objet et algorithmes de Georgia Institute of Technology

• Bases de données : OLAP et récursion de Stanford University

• Minecraft, codage et enseignement de University of California, San Diego

• Architecture de bases de données, échelle et NoSQL avec Elasticsearch de University of Michigan

• Logiciel système Cloud de Georgia Institute of Technology

• Introduction à la science des données sociales avec R de Université de Montréal

• Python pratique pour le codage IA 2 de Korea Advanced Institute of Science and Technology

• Programmation de systèmes réactifs de École Polytechnique Fédérale de Lausanne

• Projet de programmation (en Java) de École Polytechnique Fédérale de Lausanne

• Démarrer la visualisation de données en R de Johns Hopkins University

• Projet de calcul cloud de University of Illinois at Urbana-Champaign

• Classes et héritage Python de University of Michigan

• Visualisation de données avancée avec R de Johns Hopkins University

• Fonctionnalités et bibliothèques Django de University of Michigan

• Programação para todos (Conceitos básicos de Python) de University of Michigan

• Programmation fonctionnelle efficace en Scala de École Polytechnique Fédérale de Lausanne

• Construire des applications Web avec Django de University of Michigan

• Développement d'applications AR/VR/MR/XR avec WebXR, Unity & Unreal de University of Michigan

• Visualisation de données en R avec ggplot2 de Johns Hopkins University

• Programmation de systèmes réactifs (version Scala 2) de École Polytechnique Fédérale de Lausanne

• Technologies d'applications Web et Django de University of Michigan

• Coder le site de restaurant statique de Johns Hopkins University

• Importer des données dans le Tidyverse de Johns Hopkins University

• Principes de programmation fonctionnelle en Scala (version Scala 2) de École Polytechnique Fédérale de Lausanne

• Visualiser des données dans le Tidyverse de Johns Hopkins University

• Bibliothèques avancées CUDA de Johns Hopkins University

• Conception de programmes fonctionnels en Scala (version Scala 2) de École Polytechnique Fédérale de Lausanne

• 面向对象技术高级课程 (La technologie orientée objet avancée) de Peking University

• Modélisation des données dans le Tidyverse de Johns Hopkins University

• Introduction au Tidyverse de Johns Hopkins University

• CUDA à l'échelle pour l'entreprise de Johns Hopkins University

• Introduction à l'internationalisation et à la localisation de University of Washington

• Programmation de systèmes réactifs de École Polytechnique Fédérale de Lausanne

• Programmation parallèle (version Scala 2) de École Polytechnique Fédérale de Lausanne

• Publier des visualisations en R avec Shiny et flexdashboard de Johns Hopkins University

• Manipulation de données dans le Tidyverse de Johns Hopkins University

• مقدمة عن لغة HTML5 de University of Michigan

• Fonctionnalités et bibliothèques Django de University of Michigan

• Projet final de programmation fonctionnelle en Scala de École Polytechnique Fédérale de Lausanne

• Estruturas de dados Python de University of Michigan

• Uso de bancos de dados com Python de University of Michigan

• MATLAB et Octave pour débutants de École Polytechnique Fédérale de Lausanne

• C++程序设计 de Peking University

• Estructuras de Datos con Python de University of Michigan

• Introducción al HTML5 de University of Michigan

• Java程序设计 de Peking University

• Programación para todos (Introducción a Python) de University of Michigan

• مقدمة عن CSS3 de University of Michigan

• Einführung in MATLAB de Technische Universität München (Technical University of Munich)

• C#程序设计 de Peking University

• Python بُنى بيانات de University of Michigan

• برمج بنفسك! مقدمة حول البرمجة de University of Edinburgh

• Réalité Virtuelle de University of Illinois at Urbana-Champaign

• Uso de bases de datos con Python de University of Michigan

• تنميط متقدم بتصميم سريع الاستجابة de University of Michigan

• 程序设计基础 de Peking University

• Python استخدام قواعد البيانات مع de University of Michigan

• Введение в HTML5 de University of Michigan

• Uso de Python para Acceder a Datos Web de University of Michigan

• CS193p : Développement d'applications pour iOS de Stanford University

• CS193p Développement d'applications iPhone Printemps 2020 de Stanford University

• Estructuras de datos de Python de University of Michigan

• C程序设计进阶 de Peking University

• Stanford Seminar - Extended Reality for Everybody, Michael Nebeling de Stanford University

• Stanford Seminar-Stories from CoCoLab: Probabilistic Programs, Cognative Modeling, & Smart Web Pages de Stanford University

• 游戏策划与设计 de Fudan University

• 基于Unity引擎的游戏开发基础 de Fudan University

• Stanford Seminar - Accessible Virtual Reality for People with Limited Mobility de Stanford University

• Stanford Seminar - How to Design Addictive Games de Stanford University

• CS 241: System Programming de University of Illinois at Urbana-Champaign

• Apprendre l'informatique en ligne de University of Illinois at Urbana-Champaign

• Haskell : Notes de cours et devoirs de University of Pennsylvania

• 15-445/645 Intro to Database Systems (Automne 2017) de Carnegie Mellon University ★★★★☆(1)

• 15-721 Advanced Database Systems (Printemps 2016) de Carnegie Mellon University ★★★★★(1)

• 游戏产业概论 de Fudan University

• 网络游戏设计与开发毕业项目 de Fudan University

• Stanford Seminar - Programing Should Be More Than Coding de Stanford University

• Stanford Seminar - Concatenative Programming: From Ivory to Metal de Stanford University

• Работа с базами данных в Python de University of Michigan

• Programming languages the fundamental tools of the computer age de University of Melbourne

• Ciencia de Datos: Fundamentos de R de Harvard University

• 15-721 Advanced Database Systems (Printemps 2020) de Carnegie Mellon University

• 15-445/645 Intro to Database Systems (Automne 2018) de Carnegie Mellon University

• 15-721 Advanced Database Systems (Printemps 2018) de Carnegie Mellon University

• 软件工程 de Peking University

• Stanford Seminar - Mind Your State for Your State of Mind de Stanford University

• Использование языка Python для доступа к веб-данным de University of Michigan

• Python에서 데이터베이스 사용하기 de University of Michigan

• Missing Semester IAP 2020 de Massachusetts Institute of Technology

• 15-445/645 Intro to Database Systems (Automne 2021) de Carnegie Mellon University

• Conférences sur l'architecture de bases de données accélérée par le matériel (Automne 2018) de Carnegie Mellon University

• Conférences sur les bases de données de séries chronologiques (Automne 2017) de Carnegie Mellon University

• The Databaseology Lectures (Automne 2015) de Carnegie Mellon University

• Stanford Seminar - Making Teamwork an Objective Discipline - Sid Sijbrandij CEO & Chairman of GitLab de Stanford University

• Stanford Seminar - KUtrace 2020 de Stanford University

• Stanford Seminar - Wearing a VR Headset While Driving to Improve Vehicle Safety de Stanford University

• Структуры данных Python de University of Michigan

• 프로그래밍 R de Johns Hopkins University

• Structure and Interpretation of Computer Programs de Massachusetts Institute of Technology

• 15-445/645 Intro to Database Systems (Automne 2019) de Carnegie Mellon University

• PACS & AI – De l'intégration au Cloud de Yale University

• RV/RA dans IR : Réalité mixte en médecine de Yale University

• 基于Unity引擎的游戏开发进阶 de Fudan University

• Jeremy Bailenson : Your Mind on the Metaverse de Stanford University

• Stanford Seminar - #TechFail: From Intersectional (In)Accessibility to Inclusive Design de Stanford University

• Stanford Seminar - Understanding the Utility of Haptic Feedback in Telerobotic Devices de Stanford University

• Stanford Seminar: I forgot, I invented hypertext - Ted Nelson de Stanford University

• Stanford Seminar - Making the Invisible Visible: Observing Complex Software Dynamics de Stanford University

• Stanford Seminar - Edge Computing and the Evolution of AR/VR (panel discussion) de Stanford University

• Stanford Seminar - The Future of Edge Computing from an International Perspective de Stanford University

• Stanford Seminar: Virtual & Mixed Reality for Security of Critical City-Scale Cyber-Physical Systems de Stanford University

• Stanford Seminar - Robosion: Software Platform for Lifelike Humanoids de Stanford University

• Stanford Seminar - Rocket: Securing the Web at Compile-time de Stanford University

• Stanford Seminar - Graph Analysis of Russian Twitter Trolls Using Neo4j de Stanford University

• Stanford Seminar - An Alternative to the American way of Innovation de Stanford University

• Stanford Seminar: PyWren - Pushing Microservices to Teraflops de Stanford University

• Stanford Seminar: Living in Information Everywhere de Stanford University

• Stanford Seminar - From Flat to Phantasmal de Stanford University

• Computer Language Engineering (SMA 5502) de Massachusetts Institute of Technology

• Internet Technology in Local and Global Communities de Massachusetts Institute of Technology

• 빅 데이터 모델링 및 관리 시스템 de University of California, San Diego

• 17. Paul's Disciples de Yale University

• Cours LaTeX de University of Amsterdam

• JAVA程序设计进阶 de Tsinghua University

Informatique (736)

• Audit, Contrôles et Assurance des Systèmes d'Information de The Hong Kong University of Science and Technology ★★★★★(686)

• Harvard CS50 – Cours universitaire complet en informatique de Harvard University ★★★★★(615)

• CS50's Introduction à l'informatique de Harvard University ★★★★★(183)

• Introduction à l'informatique et à la programmation avec Python de Massachusetts Institute of Technology ★★★★☆(130)

• Intelligence Artificielle de Massachusetts Institute of Technology ★★★★★(76)

• Diviser pour régner, tri et recherche, et algorithmes randomisés de Stanford University ★★★★★(68)

• Principes de programmation fonctionnelle en Scala de École Polytechnique Fédérale de Lausanne ★★★★★(65)

• Algorithmes, Partie I de Princeton University ★★★★☆(62)

• Cryptographie I de Stanford University ★★★★★(53)

• Histoire, technologie et sécurité de l'Internet de University of Michigan ★★★★★(41)

• Introduction au génie électrique et informatique I de Massachusetts Institute of Technology ★★★★★(41)

• Fondamentaux de l'apprentissage automatique : une approche par étude de cas de University of Washington ★★★★☆(40)

• Introduction à l'intelligence artificielle de Stanford University ★★★★☆(31)

• Apprentissage automatique avec Python : des modèles linéaires au Deep Learning. de Massachusetts Institute of Technology ★★★☆☆(28)

• Apprentissage automatique pratique de Johns Hopkins University ★★★☆☆(27)

• Structures de données et algorithmes I : ArrayLists, LinkedLists, Stacks et Queues de Georgia Institute of Technology ★★★★★(25)

• Boîte à outils algorithmique de University of California, San Diego ★★★★☆(23)

• CS50's Introduction à l'intelligence artificielle avec Python de Harvard University ★★★★★(22)

• Algorithmes, Partie II de Princeton University ★★★★★(21)

• Concepts de Cloud Computing, Partie 1 de University of Illinois at Urbana-Champaign ★★★☆☆(21)

• Introduction aux algorithmes de Massachusetts Institute of Technology ★★★★★(21)

• Apprentissage automatique : Régression de University of Washington ★★★★★(20)

• Cours d'introduction à l'apprentissage automatique de Stanford University ★★★★☆(20)

• Introduction à la logique de Stanford University ★★★☆☆(20)

• Théorie des automates de Stanford University ★★★★☆(20)

• Technologies Bitcoin et Cryptomonnaie de Princeton University ★★★★★(19)

• Informatique 101 de Stanford University ★★★★☆(19)

• CS50's Informatique pour les professionnels des affaires de Harvard University ★★★★★(18)

• Modèles graphiques probabilistes 1 : Représentation de Stanford University ★★★★☆(18)

• Ingénierie et conception de cryptomonnaies de Massachusetts Institute of Technology ★★★★★(18)

• Réseaux neuronaux et Deep Learning de DeepLearning.AI ★★★★★(16)

• Structures de données de University of California, San Diego ★★★★☆(16)

• CS50's Comprendre la technologie de Harvard University ★★★★☆(15)

• Comment coder : Données simples de The University of British Columbia ★★★★☆(15)

• Conception de programmes informatiques de Stanford University ★★★★☆(14)

• Apprentissage automatique avec Big Data de University of California, San Diego ★★☆☆☆(14)

• Outils Unix : Données, logiciels et ingénierie de production de Delft University of Technology ★★★★★(13)

• Interaction Homme-Machine I : Fondamentaux et principes de conception de Georgia Institute of Technology ★★★★★(13)

• Recherche de texte et moteurs de recherche de University of Illinois at Urbana-Champaign ★★★☆☆(13)

• Optimisation discrète de University of Melbourne ★★★★☆(12)

• Introduction au Deep Learning de Massachusetts Institute of Technology ★★★★★(12)

• Apprendre des données (Cours d'introduction à l'apprentissage automatique) de California Institute of Technology ★★★★★(10)

• Apprentissage automatique : Classification de University of Washington ★★★★★(9)

• Mathématiques pour l'apprentissage automatique : Calcul multivariable de Imperial College London ★★★★★(9)

• Concepts de Cloud Computing, Partie 1 : Systèmes et infrastructure Cloud de University of Illinois at Urbana-Champaign ★★★☆☆(9)

• Sécurité matérielle de University of Maryland, College Park ★★★☆☆(9)

• Réseaux neuronaux convolutifs de DeepLearning.AI ★★★★★(8)

• CS50's Informatique pour les avocats de Harvard University ★★★★★(8)

• Ingénierie des performances des systèmes logiciels de Massachusetts Institute of Technology ★★★★★(7)

• Apprentissage automatique de Georgia Institute of Technology ★★★★☆(7)

• Introduction à la vision par ordinateur de Georgia Institute of Technology ★★★★★(7)

• Cryptographie de University of Maryland, College Park ★★★★☆(7)

• Structures de données et algorithmes II : Arbres binaires, Heaps, SkipLists et HashMaps de Georgia Institute of Technology ★★★★★(7)

• Infographie interactive de University of Tokyo ★★★☆☆(7)

• Apprentissage automatique guidé en finance de New York University (NYU) ★☆☆☆☆(7)

• Systèmes d'exploitation avancés de Georgia Institute of Technology ★★★★★(6)

• Introduction à l'architecture des ordinateurs de Carnegie Mellon University ★★★★★(6)

• Concepts de Cloud Computing : Partie 2 de University of Illinois at Urbana-Champaign ★★★★★(6)

• Infographie de University of California, San Diego ★★★★☆(6)

• Analyse d'algorithmes de Princeton University ★★★★☆(6)

• Structures de données et performance de University of California, San Diego ★★★★☆(6)

• Réseaux informatiques de Georgia Institute of Technology ★★★★☆(6)

• Structuration des projets d'apprentissage automatique de DeepLearning.AI ★★★★☆(6)

• Architecture des ordinateurs de Princeton University ★★★★☆(6)

• Apprentissage automatique appliqué en Python de University of Michigan ★★★★☆(6)

• Internet des objets : Comment en sommes-nous arrivés là ? de University of California, San Diego ★★☆☆☆(6)

• Apprentissage automatique pour la santé de Massachusetts Institute of Technology ★★★★★(6)

• Structures de données : Une approche d'apprentissage actif de University of California, San Diego ★★★★★(5)

• Apprentissage automatique : Clustering et récupération de University of Washington ★★★★★(5)

• Comment coder : Données complexes de The University of British Columbia ★★★★★(5)

• Systèmes réseau Cloud de University of Illinois at Urbana-Champaign ★★★★☆(5)

• Structures de données et algorithmes III : Arbres AVL et 2-4, algorithmes diviser pour régner de Georgia Institute of Technology ★★★★★(5)

• Internet des objets : Configuration de votre plateforme de développement DragonBoard™ de University of California, San Diego ★★★☆☆(5)

• Introduction à l'informatique et à la programmation en Python de Massachusetts Institute of Technology ★★★★★(5)

• Réseaux neuronaux convolutifs pour la reconnaissance visuelle (Printemps 2017) de Stanford University ★★★★☆(5)

• IA pour les essais cliniques et la médecine de précision | Ruishan Liu de Stanford University ★★★★★(5)

• Génie électrique et informatique - ECE 252 de University of Waterloo ★★★★☆(5)

• Modèles de séquence de DeepLearning.AI ★★★★★(4)

• Interaction Homme-Machine II : Cognition, contexte et culture de Georgia Institute of Technology ★★★★★(4)

• Langages de programmation, Partie B de University of Washington ★★★★☆(4)

• L'atelier Unix de Johns Hopkins University ★★★★★(4)

• Structures de données et algorithmes IV : Correspondance de motifs, Dijkstra, MST et algorithmes de programmation dynamique de Georgia Institute of Technology ★★★★★(4)

• 6.S191 : Introduction au Deep Learning de Massachusetts Institute of Technology ★★★★☆(4)

• Algorithmes sur les chaînes de caractères de University of California, San Diego ★★★☆☆(4)

• MIT 6.824 : Systèmes distribués (Printemps 2020) de Massachusetts Institute of Technology ★★★★★(4)

• Systèmes distribués de University of Cambridge ★★★★★(4)

• Langage, preuve et logique de Stanford University ★★★★☆(3)

• Architecture et conception de logiciels de Georgia Institute of Technology ★★★★★(3)

• Amélioration des réseaux neuronaux profonds : réglage des hyperparamètres, régularisation et optimisation de DeepLearning.AI ★★★★★(3)

• Apprentissage automatique : Apprentissage non supervisé de Brown University ★★★☆☆(3)

• Diriger le changement en informatique de la santé de Johns Hopkins University ★★★★★(3)

• Robotique : Perception de University of Pennsylvania ★★★☆☆(3)

• Internet des objets : Technologies de communication de University of California, San Diego ★★★☆☆(3)

• Structures de données orientées objet en C++ de University of Illinois at Urbana-Champaign ★★★★☆(3)

• Modèles graphiques probabilistes 2 : Inférence de Stanford University ★★★★☆(3)

• Algorithmes sur les graphes de University of California, San Diego ★★★★☆(3)

• Mathématiques pour l'apprentissage automatique : ACP de Imperial College London ★★☆☆☆(3)

• Algorithmique : Conception et techniques de University of California, San Diego ★★★★☆(3)

• Algorithmes avancés (COMPSCI 224) de Harvard University ★★★★★(3)

• Stanford Webinar - Utilisation des dossiers de santé électroniques pour de meilleurs soins de Stanford University ★★★★★(3)

• Stanford Seminar - Applications pratiques de la blockchain - Steven Pu de Stanford University ★★★★★(3)

• Stanford Seminar - Sécurité et le réseau défini par logiciel de Stanford University ★★★★☆(3)

• Introduction aux systèmes d'exploitation de Georgia Institute of Technology ★★★★★(2)

• HI-FIVE : Informatique de la santé pour l'innovation, la valeur et l'enrichissement (Perspective administrative/TI) de Columbia University ★★★★★(2)

• Langages de programmation, Partie C de University of Washington ★★★★☆(2)

• Interaction Homme-Machine IV : Évaluation, méthodes agiles et au-delà de Georgia Institute of Technology ★★★★★(2)

• Applications Cloud, Partie 2 : Big Data et applications dans le Cloud de University of Illinois at Urbana-Champaign ★★★☆☆(2)

• Structures de données avancées en Java de University of California, San Diego ★★★★☆(2)

• Génie logiciel : Introduction de The University of British Columbia ★★★☆☆(2)

• IA basée sur la connaissance : Systèmes cognitifs de Georgia Institute of Technology ★★★☆☆(2)

• Programmation audio créative sur Raspberry Pi de University of New South Wales ★★★★★(2)

• 6.S094 : Deep Learning pour les voitures autonomes de Massachusetts Institute of Technology ★★★★☆(2)

• Fondamentaux de l'apprentissage automatique en finance de New York University (NYU) ★★☆☆☆(2)

• Apprentissage par renforcement en finance de New York University (NYU) ★☆☆☆☆(2)

• Le rôle critique du personnel de support informatique dans les soins de santé de Johns Hopkins University ★★★★☆(2)

• Introduction aux algorithmes (SMA 5503) de Massachusetts Institute of Technology ★★★★★(2)

• CS547 de Stanford : Séries de séminaires sur l'interaction homme-machine de Stanford University ★★★★★(2)

• Stanford Seminar - Comment calculer avec le chat de Schrödinger : Une introduction à l'informatique quantique de Stanford University ★★★★☆(2)

• Série de conférences Deep Learning de University College London ★★★★★(2)

• Segmentation d'images biomédicales non supervisée utilisant des représentations hyperboliques | Jeffrey Gu de Stanford University ★★★★☆(2)

• Calculabilité, complexité et algorithmes de Georgia Institute of Technology ★★★★★(1)

• Informatique : Programmation avec un objectif de Princeton University ★★★★★(1)

• Architecture des ordinateurs haute performance de Georgia Institute of Technology ★★★★★(1)

• IoT Devices de University of Illinois at Urbana-Champaign ★★★★★(1)

• Deep Learning pour le traitement du langage naturel de University of Oxford ★★★★★(1)

• Traitement du langage naturel : Fondamentaux de National University of Singapore ★★★★★(1)

• Informatique de la santé : Une perspective actuelle et historique de Georgia Institute of Technology ★★★★★(1)

• Introduction à la conduite autonome de University of Toronto ★★★★★(1)

• HI-FIVE : Informatique de la santé pour l'innovation, la valeur et l'enrichissement (Perspective clinique) de Columbia University ★★★★☆(1)

• Compilateurs de Stanford University ★★★★★(1)

• Interaction Homme-Machine III : Éthique, recherche des besoins et prototypage de Georgia Institute of Technology ★★★★★(1)

• Projet Python : Génie logiciel et manipulation d'images de University of Michigan ★★★☆☆(1)

• Recherche de graphes, chemins les plus courts et structures de données de Stanford University ★☆☆☆☆(1)

• Algorithmes avancés et complexité de University of California, San Diego ★★★☆☆(1)

• Fondements de l'ingénierie des systèmes de santé de Johns Hopkins University ★★★★★(1)

• Blockchains, jetons et l'avenir décentralisé de University of Illinois at Urbana-Champaign ★★★☆☆(1)

• Structures de données et conception d'algorithmes Partie II | 数据结构与算法设计(下) de Tsinghua University ★★★★★(1)

• Le Quantum Internet et les ordinateurs quantiques : Comment vont-ils changer le monde ? de Delft University of Technology ★★☆☆☆(1)

• Bases de la technologie de l'information pour la santé de Johns Hopkins University ★★☆☆☆(1)

• Génie logiciel : Abstraction des données de The University of British Columbia ★★★☆☆(1)

• Pensée computationnelle pour la modélisation et la simulation de Massachusetts Institute of Technology ★★☆☆☆(1)

• Introduction aux algorithmes de Massachusetts Institute of Technology ★★★★☆(1)

• Intelligence artificielle pour la détection du cancer du sein de Johns Hopkins University ★★★★☆(1)

• L'éveil de l'IA : Implications pour l'économie et la société de Stanford University ★★★★☆(1)

• Introduction à la pensée computationnelle et à la science des données de Massachusetts Institute of Technology ★★★★★(1)

• Introduction à l'informatique et à la programmation (Automne 2008) de Massachusetts Institute of Technology ★★★★★(1)

• Deep Learning pour la vision par ordinateur de University of Michigan ★★★★★(1)

• Conception et analyse d'algorithmes de Massachusetts Institute of Technology ★★★★★(1)

• Au-delà de la cryptomonnaie : Blockchain pour le monde réel de Stanford University ★★★★☆(1)

• Stanford Seminar - Comment ne pas générer de nombres aléatoires de Stanford University ★★★★★(1)

• Stanford Seminar - Construction du meilleur assistant virtuel intelligent et ouvert pour protéger la vie privée - Monica Lam de Stanford University ★★★★★(1)

• Stanford Webinar - Comment ChatGPT et l'IA générative façonneront l'avenir du travail de Stanford University ★☆☆☆☆(1)

• EI Seminar - Grey Yang - Tuning GPT-3 on a Single GPU via Zero-Shot Hyperparameter Transfer de Massachusetts Institute of Technology ★★★★★(1)

• Stanford Webinar : IoT - Des capteurs intelligents aux réseaux intelligents de Stanford University ★★★★★(1)

• Stanford Seminar - Repenser la frontière IA-UX pour la conception d'expériences Homme-IA de Stanford University ★★★★★(1)

• Generalization and Personalization in Federated Learning | Karan Singhal de Stanford University ★★★★★(1)

• MedAI: Modélisation basée sur les graphes en pathologie computationnelle | Siyi Tang de Stanford University ★★★★★(1)

• EI Seminar - Martin Riedmiller - Learning Controllers - From Engineering to AGI de Massachusetts Institute of Technology ★★★★☆(1)

• Stanford Seminar - Vers une autonomie évolutive - Aleksandra Faust de Stanford University ★★★★☆(1)

• Évaluation réglementaire des dispositifs logiciels de traitement d'images de Yale University ★★★★★(1)

• Stanford Seminar : Voitures autonomes pour tous de Stanford University ★★★★★(1)

• MIT EI Seminar - Russ Tedrake - Feedback control from pixels de Massachusetts Institute of Technology ★★★☆☆(1)

• MIT 6.S191 (2022) : Deep Generative Modeling de Alexander Amini ★★★★★(1)

• Wireless Above 100GHz de New York University (NYU) ★★★☆☆(1)

• Stanford Seminar : Le système de traduction automatique neuronale multilingue de Google de Stanford University ★★★★★(1)

• ChatGPT Teach-Out de University of Michigan

• Pensée computationnelle pour la résolution de problèmes de University of Pennsylvania

• Algorithmes : Conception et analyse, Partie 1 de Stanford University

• Generative AI Teach-Out de University of Michigan

• Informatique : Algorithmes, théorie et machines de Princeton University

• Conception et analyse de systèmes cyber-physiques de Georgia Institute of Technology

• Prise de décision et apprentissage par renforcement de Columbia University

• HI-FIVE : Informatique de la santé pour l'innovation, la valeur et l'enrichissement (Perspective sociale/pair) de Columbia University

• Introduction à l'informatique quantique de The University of British Columbia

• Intelligence Artificielle de Georgia Institute of Technology

• Outils de hacker de Massachusetts Institute of Technology

• Algorithmes gloutons, arbres couvrants minimaux et programmation dynamique de Stanford University

• Internet des objets : Technologies multimédias de University of California, San Diego

• Programmation et structures de données de Columbia University

• Interaction Homme-Machine de Georgia Institute of Technology

• Réseau défini par logiciel de The University of Chicago

• Théorie des nombres et cryptographie de University of California, San Diego

• Compétences en IA : Introduction à l'apprentissage supervisé, profond et par renforcement de Delft University of Technology

• Internet des objets : Capteurs et actionneurs à partir des appareils de University of California, San Diego

• Apprentissage automatique pour les dispositifs quantiques à semi-conducteurs de Delft University of Technology

• Démarrage avec TensorFlow 2 de Imperial College London

• Calcul haute performance de Georgia Institute of Technology

• La science des données de l'informatique de la santé de Johns Hopkins University

• Fondamentaux de l'apprentissage automatique pour la santé de Stanford University

• Réseautage IoT de University of Illinois at Urbana-Champaign

• Apprentissage automatique et IA avec Python de Harvard University

• Introduction à la technologie Blockchain et aux applications de University College London

• Algorithmes : Conception et analyse, Partie 2 de Stanford University

• Développement et applications des technologies quantiques au germanium de Delft University of Technology

• Éthique dans la conception de l'IA de Delft University of Technology

• Introduction aux données cliniques de Stanford University

• Applications informatiques de l'intelligence artificielle et de l'e-construction de Purdue University

• Informatique de la santé : Normes de données et d'interopérabilité de Georgia Institute of Technology

• IA générative : Fondamentaux, applications et défis de University of Michigan

• Fondamentaux de l'IA de University of Pennsylvania

• Compétences en IA pour les ingénieurs : Apprentissage automatique supervisé de Delft University of Technology

• Évaluations des applications d'IA dans les soins de santé de Stanford University

• Applications de l'IA dans la gestion du personnel de University of Pennsylvania

• IA dans les soins de santé - Projet final de Stanford University

• Apprentissage automatique et apprentissage humain de University of Illinois at Urbana-Champaign

• Caméra et imagerie de Columbia University

• Méthodes Deep Learning pour les électrocardiogrammes et les échocardiogrammes de University of Illinois at Urbana-Champaign

• Le contexte social et technique de l'informatique de la santé de Johns Hopkins University

• Introduction à l'informatique et à l'ingénierie des systèmes computationnels de Massachusetts Institute of Technology

• Apprentissage automatique : Concepts et applications de The University of Chicago

• IA générative : Impact sur les entreprises et la société de University of Michigan

• Entrée et interaction de University of California, San Diego

• Communications IoT de University of Illinois at Urbana-Champaign

• Conception d'évaluations avec l'IA de Georgia Institute of Technology

• Introduction à l'apprentissage automatique dans l'analyse sportive de University of Michigan

• Stratégie et gouvernance de l'IA de University of Pennsylvania

• IA pour l'assistance aux enseignants de Georgia Institute of Technology

• Moteurs de recherche pour les données Web et d'entreprise de The Hong Kong University of Science and Technology

• Introduction à l'apprentissage scientifique de Purdue University

• IA générative : Main-d'œuvre et avenir du travail de University of Michigan

• Structuration complexe des problèmes : une perspective socio-technique de Delft University of Technology

• Méthodes Deep Learning avancées pour les soins de santé de University of Illinois at Urbana-Champaign

• Recherche de chemins les plus courts, problèmes NP-Complets et que faire à leur sujet de Stanford University

• Introduction au Deep Learning de Purdue University

• Apprentissage automatique statistique de Carnegie Mellon University

• Codage créatif pour les designers utilisant Python de University of Michigan

• Virtualisation des fonctions réseau de Georgia Institute of Technology

• Scalabilité de la Blockchain et ses fondements dans les systèmes distribués de The University of Sydney

• Applications de l'IA en marketing et finance de University of Pennsylvania

• Passer au Cloud de University of Melbourne

• Traitement et analyse d'images pour les sciences de la vie de École Polytechnique Fédérale de Lausanne

• Compilateurs : Théorie et pratique de Georgia Institute of Technology

• Chatbots pour l'instruction de Georgia Institute of Technology

• Modèles graphiques probabilistes 3 : Apprentissage de Stanford University

• Gamification accessible de Georgia Institute of Technology

• Calcul Quantique Appliqué I : Fondamentaux de Purdue University

• Graphiques Android avec OpenGL ES de Imperial College London

• Apprentissage automatique de Georgia Institute of Technology

• Matériaux IA de Korea Advanced Institute of Science and Technology

• Internet des objets industriel (IIoT) de University of Michigan

• Construire une IA autonome de University of Washington

• Apprentissage non supervisé, systèmes de recommandation, apprentissage par renforcement de DeepLearning.AI

• Informatique de la santé : La pointe de Georgia Institute of Technology

• Apprentissage automatique pour la comptabilité avec Python de University of Illinois at Urbana-Champaign

• Fondamentaux des structures de données de University of California, San Diego

• Systèmes IoT et applications industrielles avec Design Thinking de École Polytechnique Fédérale de Lausanne

• Fondamentaux de Python pour les designers de University of Michigan

• Algorithmes d'apprentissage avancés de DeepLearning.AI

• Personnalisation de vos modèles avec TensorFlow 2 de Imperial College London

• Enseignement automatique pour l'IA autonome de University of Washington

• Applications de l'apprentissage automatique en sciences végétales de Cornell University

• Cas d'utilisation de l'apprentissage automatique en finance de Université de Montréal

• Fondamentaux de l'IA pour les non-spécialistes des données de University of Pennsylvania

• Introduction aux algorithmes de niveau supérieur de Georgia Institute of Technology

• Introduction à l'informatique quantique pour tous de The University of Chicago

• Perception visuelle pour les voitures autonomes de University of Toronto

• Vision par ordinateur pour systèmes embarqués de Purdue University

• Perception visuelle de Columbia University

• Infographie de University of California, San Diego

• Fondamentaux du Deep Learning de Université de Montréal

• Informatique pour l'informatique du cancer de Johns Hopkins University

• Les résultats et les interventions de l'informatique de la santé de Johns Hopkins University

• Internet des objets V2 : Configuration et utilisation des services Cloud de University of California, San Diego

• Introduction à l'informatique quantique pour tous 2 de The University of Chicago

• Résolution d'algorithmes pour l'optimisation discrète de University of Melbourne

• Communications et signaux à haute vitesse avec Raspberry Pi de Johns Hopkins University

• Reconstruction 3D - Multiples points de vue de Columbia University

• Conception de matériel pour les projets Raspberry Pi de Johns Hopkins University

• Cloud IoT de University of Illinois at Urbana-Champaign

• Fondamentaux de l'apprentissage automatique de University of Pennsylvania

• Fondamentaux de l'information quantique de Korea Advanced Institute of Science and Technology

• Projets personnalisés de base avec Raspberry Pi de Johns Hopkins University

• Planification de mouvement pour les voitures autonomes de University of Toronto

• Fondamentaux de TinyML de Harvard University

• IA dans la santé. Battage médiatique ou aide ? de KU Leuven University

• Introduction à l'entrepreneuriat en santé numérique de Johns Hopkins University

• Algorithmes de graphes de University of California, San Diego

• Leadership et gestion pour les praticiens PM en TI de University of Washington

• MLOps pour la mise à l'échelle de TinyML de Harvard University

• Calcul Quantique Appliqué III : Algorithme et Logiciel de Purdue University

• Voitures autonomes avec Duckietown de ETH Zurich

• Déploiement de TinyML de Harvard University

• Reconstruction 3D - Point de vue unique de Columbia University

• Estimation d'état et localisation pour les voitures autonomes de University of Toronto

• Modélisation de base pour l'optimisation discrète de University of Melbourne

• Introduction à l'information quantique de Korea Advanced Institute of Science and Technology

• Augmentation des données par technologie pour la prise de décision médicale de University of Michigan

• Fondamentaux de l'analyse de données pour la comptabilité II de University of Illinois at Urbana-Champaign

• Mathématiques pour l'informatique de Massachusetts Institute of Technology

• Introduction à l'éthique de l'IA de Université de Montréal

• Extraction d'informations à partir de données textuelles libres en santé de University of Michigan

• Apprentissage automatique supervisé : Régression et classification de DeepLearning.AI

• Internet des objets V2 : Mise en place et utilisation des services Cloud de University of California, San Diego

• Capteurs et détecteurs quantiques de Purdue University

• Calcul Quantique Appliqué II : Matériel de Purdue University

• Fondamentaux de l'IA générative : Aperçu et impact de University of Michigan

• Structures de données et conception d'algorithmes Partie I | 数据结构与算法设计(上) de Tsinghua University

• Concevoir une IA autonome de University of Washington

• Applications de TinyML de Harvard University

• Conception de systèmes informatiques quantiques I : Introduction au calcul et à la programmation quantiques de The University of Chicago

• Régression logistique et prédiction pour les données de santé de University of Michigan

• Conception et mise en œuvre d'interventions de santé numérique de Imperial College London

• Introduction à la programmation concurrente avec les GPU de Johns Hopkins University

• Utilisation de capteurs avec votre Raspberry Pi de Johns Hopkins University

• Modélisation avancée pour l'optimisation discrète de University of Melbourne

• Loi de Boltzmann : de la physique à l'informatique de Purdue University

• Opérations et sécurité des patients pour le personnel TI de la santé de Johns Hopkins University

• Deep Learning probabiliste avec TensorFlow 2 de Imperial College London

• Projet final IoT : Construire un système de surveillance mobile de University of California, San Diego

• Systèmes distribués modernes de Delft University of Technology

• Projet final en informatique de la santé de Johns Hopkins University

• 计算机辅助翻译原理与实践 Principes et pratique de la traduction assistée par ordinateur de Peking University

• Introduction à CSS3 de Johns Hopkins University

• Techniques d'intelligence artificielle : des fondements aux applications de Université de Montréal

• Gestion de portefeuille, gouvernance et le PMO de University of Washington

• iLabX – La Masterclass Internet de Technische Universität München (Technical University of Munich)

• Conception de systèmes informatiques quantiques II : Principes de l'architecture quantique de The University of Chicago

• Communication quantique et l'explorateur de réseau quantique de Delft University of Technology

• Calcul haute performance de Partnership for Advanced Computing in Europe

• Explorer le trading et le prêt dans la finance décentralisée de University of Toronto

• Fonctionnalités et limites de Columbia University

• Introduction à l'apprentissage profond de Université de Montréal

• Algorithmes d'apprentissage automatique avec R en analyse commerciale de University of Illinois at Urbana-Champaign

• Conception de systèmes informatiques quantiques III : Travailler avec des systèmes bruyants de The University of Chicago

• Technologie émergente, perturbation et IA de University of Illinois at Urbana-Champaign

• Projet final IoT V2 : Construire un système de surveillance mobile de University of California, San Diego

• Biais et discrimination dans l'IA de Université de Montréal

• Introduction à l'informatique et à la programmation (Printemps 2011) de Massachusetts Institute of Technology

• Structures de données ordonnées de University of Illinois at Urbana-Champaign

• The Society of Mind de Massachusetts Institute of Technology

• GT - Actualisation - OS avancés de Georgia Institute of Technology

• Structures de données et algorithmes (I) de Tsinghua University

• Llama pour programmeurs Python de University of Michigan

• 操作系统原理 (Principes des systèmes d'exploitation) de Peking University

• Traitement de chaînes de caractères et algorithmes de recherche de motifs de University of California, San Diego

• 算法设计与分析 Design and Analysis of Algorithms de Peking University

• Biais et discrimination en IA de Université de Montréal

• Comprendre le monde à travers les données - de Massachusetts Institute of Technology

• Tirer parti de l'IA générative pour les organisations à impact social de University of Michigan

• Structures de données et algorithmes (III) de Tsinghua University

• Structures de données avancées de Massachusetts Institute of Technology

• Problèmes NP-Complets de University of California, San Diego

• Structures de données et algorithmes (IV) de Tsinghua University

• Structures de données non ordonnées de University of Illinois at Urbana-Champaign

• Blockchain et l'avenir de la FinTech de University of Toronto

• Structures de données et algorithmes (II) de Tsinghua University

• L'essentiel de l'apprentissage profond de Université de Montréal

• IA en pratique : Préparation à l'IA de Delft University of Technology

• Déploiement de modèles d'apprentissage automatique de University of California, San Diego

• Big Data Machine Learning | 大数据机器学习 de Tsinghua University

• MIT MAS.S62 Ingénierie et conception de cryptomonnaies, Printemps 2018 de Massachusetts Institute of Technology

• Les coulisses des systèmes de recommandation de Université de Montréal

• Plongée dans le monde de la blockchain : Principes, mécanismes et jetons de University of Toronto

• LAFF – Sur la programmation pour la correction de The University of Texas at Austin

• Vision par ordinateur et exploitation intelligente des ressources naturelles de Université de Montréal

• LAFF-On Programming for High Performance de The University of Texas at Austin

• 计算几何 | Géométrie Computationnelle de Tsinghua University

• Optimisation : principes et algorithmes - Optimisation de réseau et discrète de École Polytechnique Fédérale de Lausanne

• Systèmes de recommandation : Derrière l'écran de Université de Montréal

• Décoder l'IA : Une plongée profonde dans les modèles et prédictions de l'IA de University of Michigan

• 离散优化算法篇 Solving Algorithms for Discrete Optimization de The Chinese University of Hong Kong

• Deep Learning in Life Sciences - Printemps 2021 de Massachusetts Institute of Technology

• Optimisation : principes et algorithmes - Optimisation non linéaire sans contrainte de École Polytechnique Fédérale de Lausanne

• 计算机组成 Organisation des ordinateurs de Peking University

• Naviguer dans les dérivés décentralisés et la gouvernance dans la blockchain de University of Toronto

• IA en pratique : Application de l'IA de Delft University of Technology

• Introduction à la pensée computationnelle de Massachusetts Institute of Technology

• 数据结构基础 de Peking University

• Stanford CS229: Machine Learning Cours complet enseigné par Andrew Ng | Automne 2018 de Stanford University

• 算法基础 de Peking University

• Stanford Webinar - Comment vous pouvez utiliser ChatGPT pour augmenter votre production créative de Stanford University

• 高级数据结构与算法 de Peking University

• MIT 6.01SC Introduction to EECS I de Massachusetts Institute of Technology

• The Battlecode Programming Competition de Massachusetts Institute of Technology

• Algorithmes de pliage géométrique : Liaisons, origami, polyèdres de Massachusetts Institute of Technology

• Programmation pour les passionnés de puzzles (Janvier IAP 2018) de Massachusetts Institute of Technology

• Stanford CS221 : Intelligence Artificielle : Principes et techniques | Automne 2019 de Stanford University

• Stanford CS105 - Introduction aux ordinateurs Cours complet de Stanford University

• Stanford Seminar - Réseaux définis par logiciel à la croisée des chemins de Stanford University

• CS25 I Stanford Seminar - Transformers dans le langage : Le développement des modèles GPT, y compris GPT3 de Stanford University

• Bornes inférieures algorithmiques : Amusons-nous avec les preuves de difficulté de Massachusetts Institute of Technology

• Sécurité des systèmes d'exploitation et de la virtualisation de Peking University

• MIT 18.404J Théorie de la calculabilité, Automne 2020 de Massachusetts Institute of Technology

• Stanford Seminar - Deep Learning pour le diagnostic médical de Stanford University

• 离散优化建模基础篇 Basic Modeling for Discrete Optimization de The Chinese University of Hong Kong

• Programmation multicœur - Guide de démarrage de Massachusetts Institute of Technology

• 离散优化建模高阶篇 Advanced Modeling for Discrete Optimization de The Chinese University of Hong Kong

• Stanford Seminar - Le destin de l'éthique de l'IA, Anna Bethke de Stanford University

• Cours d'apprentissage automatique - CS 156 de California Institute of Technology

• Intelligence Artificielle Planification de University of Edinburgh

• Stanford Seminar - Apprentissage de la représentation pour les robots autonomes, Anima Anandkumar de Stanford University

• Stanford Seminar - Deep Learning dans la reconnaissance vocale de Stanford University

• 算法设计与分析(高级) | Conception et analyse avancée d'algorithmes de Peking University

• Stanford CS234 : Apprentissage par renforcement | Hiver 2019 de Stanford University

• Stanford Seminar - Utilisation des données pour une plus grande réalité avec la modélisation haptique et les appareils de Stanford University

• Stanford Seminar - Permettre le TAL, l'apprentissage automatique et l'apprentissage en quelques exemples grâce au traitement associatif de Stanford University

• Stanford Seminar - Concevoir des technologies d'assistance pour l'agence de Stanford University

• Stanford Seminar - Créer des interfaces avec des propriétés physiques riches grâce à la fabrication numérique de Stanford University

• Stanford Seminar - Traitement du langage naturel pour les interfaces conversationnelles de niveau production de Stanford University

• Stanford Seminar - Communication par lumière visible centrée sur le logiciel pour l'Internet des objets de Stanford University

• MIT EI Seminar - Phillip Isola - Intelligence émergente : obtenir plus des agents que ce que vous intégrez de Massachusetts Institute of Technology

• MIT 6.S191 : Apprentissage par renforcement de Alexander Amini

• Stanford Seminar - Réseaux neuronaux sur la conception de puces du point de vue de l'utilisateur de Stanford University

• Stanford Seminar - Entraîner des classifieurs avec des explications en langage naturel de Stanford University

• Stanford Seminar - Bugs dans les implémentations cryptographiques de Stanford University

• Stanford Seminar - Le cerveau peut-il faire la rétropropagation ? de Stanford University

• Federated Hyperparameters Tuning: Challenges, Baselines & Connections | Mikhail Khodak de Stanford University

• Frontiers of Medical AI - Therapeutics and Workflows | Andre Esteva de Stanford University

• Алгоритмы, часть I de Princeton University

• EI Seminar - Rob Fergus - Data Augmentation for Image-Based Reinforcement Learning de Massachusetts Institute of Technology

• Stanford Seminar - Citadel of One: Individuality and the rise of the machines, Suzanne Sadedin de Stanford University

• Weakly-supervised, large-scale computational pathology for diagnosis & prognosis | Max Lu de Stanford University

• Rethinking Architecture Design for Data Heterogeneity in FL | Liangqiong Qu de Stanford University

• EI Seminar - Recent papers in Embodied Intelligence de Massachusetts Institute of Technology

• EI Seminar - Yejin Choi - Intuitive Reasoning as (Un)supervised Neural Generation de Massachusetts Institute of Technology

• EI Seminar - Michael Carbin - The Lottery Ticket Hypothesis de Massachusetts Institute of Technology

• MIT EI Seminar - Lerrel Pinto - Diverse data and efficient algorithms for robot learning de Massachusetts Institute of Technology

• MIT 6.S191 (2020) : IA Neurosymbolique de Alexander Amini

• MIT 6.S191 : Vers une IA pour la création de contenu 3D de Alexander Amini

• MIT 6.S191 : IA dans les soins de santé de Alexander Amini

• MIT Introduction au Deep Learning | 6.S191 de Alexander Amini

• MIT 6.S191 : Deep Generative Modeling de Alexander Amini

• MIT 6.S191 (2018) : Réseaux neuronaux convolutifs de Alexander Amini

• MIT 6.S191 (2018) : Au-delà du Deep Learning : Apprentissage + Raisonnement de Alexander Amini

• MIT 6.S191 (2019) : Visualisation pour l'apprentissage automatique (Google Brain) de Alexander Amini

• 6.036 Introduction à l'apprentissage automatique de Massachusetts Institute of Technology

• Stanford Seminar - Prévision et alignement de l'IA, Jacob Steinhardt de Stanford University

• Stanford Seminar - Erudite : Système prototype pour l'intelligence computationnelle de Stanford University

• Stanford Seminar - Systèmes efficaces et résilients à l'ère cognitive de Stanford University

• Stanford Seminar - SMILE : Environnement d'apprentissage intégré multi-sensoriel synchronisé de Stanford University

• Stanford Seminar - Nouvel âge d'or pour l'architecture informatique - John Hennessy de Stanford University

• Stanford Seminar : Dialog Markets de Stanford University

• Stanford Seminar : Systèmes matériels et logiciels voyageant dans le temps de Stanford University

• Stanford Seminar : HPC Opportunities in Deep Learning - Greg Diamos, Baidu de Stanford University

• Stanford Seminar - Exécution d'instructions sur le CPU Mill de Stanford University

• Stanford Seminar - Mémoire presque sans échec dans le CPU Mill de Stanford University

• Prédiction du trouble lié à l'usage d'opioïdes à l'aide de l'IA et de modèles de risque existants | Sajjad Fouladvand de Stanford University

• Détection de crises en temps réel à l'aide d'EEG | Hyewon Jeong de Stanford University

• Évaluation des risques opportuniste multimodale pour les maladies cardiaques ischémiques | Juan Manuel de Stanford University

• MedAI: Apprentissage de la structure des DSE avec Transformer de Graphe Convolutif | Edward Choi de Stanford University

• Akshay Chaudhari: IA efficace en données pour accélérer l'acquisition IRM de Stanford University

• Chris Re : Comment l'apprentissage automatique change le logiciel de Stanford University

• Contre les robots éthiques avec Ron Chrisley de Stanford University

• Stanford Webinar - Intelligence Artificielle pour les dirigeants d'entreprise de Stanford University

• IA et Droit I Mariano-Florentino Cuéllar, Président de la Carnegie Endowment for International Peace de Stanford University

• Stanford Seminar - Accélération des recommandations ML avec plus d'un millier de processeurs RISC-V/Tensor... de Stanford University

• Stanford Webinar - Conception et IA : Envisager des produits augmentés par l'IA de Stanford University

• Stanford CS230 : Deep Learning | Automne 2018 | Leçon 4 - Attaques adverses / GANs de Stanford University

• Stanford CS230 : Deep Learning | Automne 2018 | Leçon 3 - Projets Deep Learning de cycle complet de Stanford University

• Stanford CS230 : Deep Learning | Automne 2018 | Leçon 2 - Intuition du Deep Learning de Stanford University

• Stanford CS230 : Deep Learning | Automne 2018 | Leçon 1 - Introduction au cours et logistique, Andrew Ng de Stanford University

• Stanford Seminar - Étendre la théorie du ML pour les applications centrées sur l'humain de Stanford University

• Stanford Seminar - Comment l'IA évolue-t-elle ? Un regard sur le paysage des startups aux États-Unis et en Asie de Stanford University

• Stanford Seminar - Conduite autonome : Le plus grand projet de l'IA, James Peng de Pony.ai de Stanford University

• Stanford Seminar - Agent Humain Virtuel pour la Ville Intelligente de Stanford University

• Stanford Seminar - Le cas des structures d'index apprises de Stanford University

• Stanford Seminar- Taraxa.io : Une startup de protocole blockchain mondialisée de Stanford University

• Stanford Seminar - Intelligence Artificielle : Paradigmes actuels et futurs et implications de Stanford University

• Stanford Seminar - Explorer les implications de l'apprentissage automatique pour les handicaps cognitifs de Stanford University

• Stanford Seminar - Théorie de l'information de l'apprentissage profond, Naftali Tishby de Stanford University

• Stanford Seminar - De minuscules fonctions pour les codecs, la compilation et (peut-être) bientôt tout de Stanford University

• Stanford Seminar - Leçons entrepreneuriales des voitures autonomes de Stanford University

• Stanford Seminar - Deep Learning à l'échelle du Pétaflop sur une seule puce de Stanford University

• Stanford Seminar - Time Well Spent, Tristan Harris de Stanford University

• Stanford Seminar - Calcul avec des vecteurs de haute dimension de Stanford University

• Stanford Seminar - Calcul Dataflow pour la convergence de l'IA et du HPC - GroqChip ! de Stanford University

• Stanford Seminar - Computing with Physical Systems de Stanford University

• Stanford Seminar - Multiscale Dataflow Computing : Avantage concurrentiel à la frontière de l'Exascale de Stanford University

• Stanford Seminar : Conduite autonome, sommes-nous arrivés ? - Considérations technologiques, commerciales et juridiques de Stanford University

• Stanford Seminar : Au-delà du virgule flottante : Arithmétique informatique de nouvelle génération de Stanford University

• Stanford Seminar : Deep Learning à l'ère de Zen, Vega et au-delà de Stanford University

• Stanford Lecture - Don Knuth—"L'analyse des algorithmes" (2015, recréant 1969) de Stanford University

• Stanford Seminar : Concevoir la flûte magique de l'iPhone - Ge Wang de Stanford University

• Stanford Seminar : Défis dans la messagerie sécurisée de Stanford University

• Stanford Seminar : Le centre de données sans temps de Stanford University

• Stanford Seminar - Runway : Un nouvel outil pour la conception de systèmes distribués de Stanford University

• Bradford Parkinson "GPS pour l'humanité" - Conférence Héro de l'Ingénierie de Stanford de Stanford University

• Stanford Seminar - Tirer parti des théories sociales pour améliorer l'interaction homme-IA de Stanford University

• Stanford CS109 I Équité I 2022 I Leçon 26 de Stanford University

• Stanford Lecture - Don Knuth : Twintrees, Baxter Permutations, and Floorplans (2022) de Stanford University

• Stanford CS25: V3 I Au-delà des LLM : Agents, capacités émergentes, raisonnement guidé intermédiaire, BabyLM de Stanford University

• Stanford Webinar - Démocratiser la découverte de modèles avec les réseaux neuronaux de Stanford University

• Stanford CS25: V3 I Comment j'ai appris à arrêter de m'inquiéter et à aimer le Transformer de Stanford University

• Stanford Lecture - Dancing Cells, Dr. Don Knuth I 2023 de Stanford University

• Stanford Seminar - L'état des connaissances en conception dans l'interaction homme-IA de Stanford University

• Stanford Seminar - Vers un apprentissage sûr et efficace dans le monde physique de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 18 - Compression vidéo de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 1 - Introduction au cours, bases de la compression sans perte de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 2 - Codes préfixes libres de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 5 - Propriété d'équiprobabilité asymptotique de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 9 - Codage AC basé sur le contexte et compression LLM de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 4 - Codes de Huffman de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 3 - Inégalité de Kraft, entropie, introduction à SCL de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 8 - Au-delà des distributions iid : entropie conditionnelle de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 10 - LZ et compression universelle de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 6 - Codage arithmétique de Stanford University

• Stanford EE274: Data Compression I 2023 I Leçon 7 - ANS de Stanford University

• Stanford CS25: V4 I Vue d'ensemble des Transformers de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 3 - Modèles autorégressifs de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 17 - Modèles à variables latentes discrètes de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 13 - Modèles basés sur le score de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 5 - VAEs de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 16 - Modèles de diffusion basés sur le score de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 18 - Modèles de diffusion pour données discrètes de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 2 - Contexte de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 12 - Modèles basés sur l'énergie de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 9 - Flux de normalisation de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 14 - Modèles basés sur l'énergie de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 15 - Évaluation des modèles génératifs de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 11 - Modèles basés sur l'énergie de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 7 - Flux de normalisation de Stanford University

• Stanford CS236: Deep Generative Models I 2023 I Leçon 1 - Introduction de Stanford University

• Stanford CS25: V4 I Jason Wei & Hyung Won Chung d'OpenAI de Stanford University

• Stanford Seminar - Les facteurs humains des méthodes formelles de Stanford University

• Stanford CS25: V4 I Alignement des modèles de langage ouverts de Stanford University

• Stanford CS25: V4 I Démystifier Mixtral of Experts de Stanford University

• Stanford CS25: V4 I Des Transformers qui transforment suffisamment bien pour supporter des architectures quasi-peu profondes de Stanford University

• Stanford CS25: V4 I Des grands modèles de langage aux grands modèles multimodaux de Stanford University

• Stanford CS25: V4 I Hyung Won Chung d'OpenAI de Stanford University

• Stanford Seminar - MS&E447 : Panel ZKP avec Dan Boneh, Jens Groth, Daniel Marin et Ravi Mhatre de Stanford University

• MedAI #124: SleepFM: Apprentissage de représentation multimodale pour le sommeil | Rahul Thapa de Stanford University

• MedAI #121: HECTOR - Modèle DL multimodal pour le risque de récidive dans le cancer de l'endomètre | Sarah Volinsky de Stanford University

• MedAI #120: Modélisation holistique du domaine OR avec de grands modèles langage-vision | Ege özsoy de Stanford University

• MedAI #119: Avancées pilotées par l'IA dans l'analyse des mammographies | Aisha Urooj de Stanford University

• L'impact mondial de l'IA sur la démocratie et la gouvernance de Stanford University

• Panel : Le rôle de l'IA dans l'amélioration des services de santé dans nos communautés de Stanford University

• L'IA transforme les soins de santé | Intelligence Artificielle : L'avenir de la médecine et des soins de santé est là de Stanford University

• Remarques d'ouverture | Intelligence Artificielle : L'avenir de la médecine et des soins de santé est là de Stanford University

• MedAI #126: Diviser et régner - Modèles basés sur des concepts pour un apprentissage par transfert efficace | Shantanu Ghosh de Stanford University

• 투자 기술의 혁신: AI de University of Michigan

• 人、テクノロジー、そしてモビリティの未来 de University of Michigan

• 사람, 기술, 모빌리티의 미래 de University of Michigan

• 머신 러닝 기초: 사례 연구 접근 방식 de University of Washington

• 머신 러닝: 회귀 모델 de University of Washington

• Informatique et TI : Plongée approfondie de la Faculté d'Ingénierie et de Technologie de l'Information de University of Melbourne

• Le nouveau DBfication du ML/IA de University of Melbourne

• Exploration de nouveautés traitable sur des problèmes de décision séquentielle continus et discrets de University of Melbourne

• Pionnier de la science de l'information de University of Melbourne

• Convolutions en traitement d'images | Semaine 1 | MIT 18.S191 Automne 2020 | Grant Sanderson de The Julia Programming Language

• Théorie de la calculabilité de Massachusetts Institute of Technology

• 6. The Structures of Power de Yale University

• Leçons du processus réglementaire pour les logiciels médicaux d'analyse d'images et d'IA de Yale University

• IRM 4D rapide résolue par mouvement à l'aide de réseaux convolutifs sans cohérence de données de Yale University

• Reconstruction d'images IRM dynamique par apprentissage de sous-espaces profonds de Yale University

• Interprétation théorique de l'ACID pour la stabilisation des réseaux de reconstruction profonds de Yale University

• Estimation d'incertitude rapide et modèles de diffusion en TEP de Yale University

• Peter Carr Brooklyn Quant Experience (BQE) Séries de séminaires : Bruno Kamdem de New York University (NYU)

• Apprentissage automatique pour les soins de santé personnalisés : Opportunités, défis et aperçus de New York University (NYU)

• Modèles génératifs pour la synthèse d'images de New York University (NYU)

• Apprendre des représentations en utilisant l'invariance causale de New York University (NYU)

• Apprentissage automatique pour la personnalisation de New York University (NYU)

• Le nœud de l'information : lier la détection et l'action ; Théorie de l'émergence de l'apprentissage des représentations de New York University (NYU)

• Andrew Wiles s'entretient avec Hannah Fry de University of Oxford

• Apprivoiser l’apprentissage automatique de Université de Montréal

• ChatGPT pour tous de Université de Montréal

Sécurité de l'Information (InfoSec) (62)

• CS 253 Sécurité Web de Stanford University ★★★★★(40)

• Sécurité des systèmes informatiques de Massachusetts Institute of Technology ★★★★★(36)

• Fondamentaux de la sécurité Web de KU Leuven University ★★★★☆(21)

• Stanford Seminar - Ingénierie de la résilience cybernétique : Une approche pragmatique de Stanford University ★★★★★(17)

• Stanford Webinar - Hash, Hack, Code : Tendances émergentes en cybersécurité de Stanford University ★★★★★(9)

• Introduction à la sécurité de l'information de Georgia Institute of Technology ★★☆☆☆(2)

• Sécurité des réseaux de Georgia Institute of Technology ★★★★★(1)

• Introduction aux cyberattaques de New York University (NYU) ★★★★★(1)

• CS50's Introduction à la cybersécurité de Harvard University ★★★★☆(1)

• Cybersécurité pour tous de University of Maryland, College Park ★★★★★(1)

• Économie de la cybersécurité de Delft University of Technology ★★☆☆☆(1)

• Détection et atténuation des cybermenaces en temps réel de New York University (NYU)

• Introduction à la cybersécurité de University of Washington

• Contre-mesures aux cyberattaques de New York University (NYU)

• Sécurité des systèmes cyber-physiques de Georgia Institute of Technology

• Construire une boîte à outils de cybersécurité de University of Washington

• Cybersécurité : Le point de vue du CISO de University of Washington

• Trouver votre chemin de carrière en cybersécurité de University of Washington

• Sécurité de l'entreprise et de l'infrastructure de New York University (NYU)

• Introduction à DevSecOps de Johns Hopkins University

• Une approche stratégique de la cybersécurité de University of Maryland, College Park

• Projet final de cybersécurité de University of Maryland, College Park

• Leadership de Infosec

• Sécurité des paiements mobiles de New York University (NYU)

• La cybersécurité en milieu universitaire de Université de Montréal

• Stanford Webinar - Sécuriser le monde qui nous entoure : Cybersécurité pour l'économie physique de Stanford University

• La menace croissante et l'impact des logiciels malveillants basés sur le Web - Sécurité informatique de Stanford de Stanford University

• Stanford Seminar - L'état actuel de la cybersécurité de Stanford University

• Stanford Seminar - Résoudre la cybersécurité comme un problème économique de Stanford University

• Défis de sécurité dans les réseaux sans fil 5G et au-delà de New York University (NYU)

• Webinar - Grandes violations : Ce que nous avons appris des attaques de cybersécurité les plus perturbatrices au monde de Stanford University

• Faire passer la criminalistique de la mémoire au niveau supérieur de New York University (NYU)

• Stanford Seminar - Empêcher les cyberattaques réussies à l'aide d'acteurs fortement typés de Stanford University

• Stanford Webinar - Construire votre bouclier : Cartographier le marché de la cybersécurité, Dan Boneh et Neil Daswani de Stanford University

• Stanford Seminar - Contes du forum des risques de Stanford University

• Stanford Webinar : Attribuer ou non, est-ce la question ? de Stanford University

• Stanford Seminar - Verrouiller le Web ouvert - un appel à un nouveau Web décentralisé de Stanford University

• Stanford Seminar - Transparence des publicités politiques en ligne de Stanford University

• Stanford Seminar - Sécurité informatique : Le désordre dans lequel nous sommes, comment nous y sommes arrivés et quoi faire à ce sujet de Stanford University

• Stanford Seminar - Thunderclap & CHERI (Capability Hardware-Enhanced RISC Instructions) de Stanford University

• Bulletproofs : Preuves courtes pour les transactions confidentielles et plus encore de Stanford University

• Stanford Seminar - Leçons de Mirai et état actuel de la sécurité de l'IoT de Stanford University

• Stanford Seminar - Exploiter les microarchitectures modernes : Meltdown, Spectre et autres attaques matérielles de Stanford University

• Stanford Seminar - RowHammer, RowPress et au-delà : Pouvons-nous nous libérer des erreurs de bits (bientôt) ? de Stanford University

• Stanford Seminar - Comment la vie privée peut-elle exister dans un monde axé sur les données ? de Stanford University

• 디지털 민주주의의 명암 de University of Michigan

• Preuve de la confidentialité et de sa préservation pour les programmes concurrents à sensibilité mixte de University of Melbourne

• Aperçus de l'industrie : Cybersécurité de University of Melbourne

• Conversation avec un ancien boursier cyber de Tandon, Michael Leking (Tandon '21) de New York University (NYU)

• Anatomie d'une attaque : Ce qui se passe réellement et comment protéger votre entreprise de New York University (NYU)

• Échanger la vie privée contre la commodité à l'ère de la technologie : Partie 2 de New York University (NYU)

• CSAW'21 Discours d'ouverture | Cybersécurité : Garder les lumières allumées, Dr. Martin Otto, Siemens Technology de New York University (NYU)

• Sécurité de la disposition des circuits intégrés de New York University (NYU)

• Conversations à l'avant-garde de la cybersécurité avec NYU CCS présentant Nasir Memon de New York University (NYU)

• Conversations à l'avant-garde de la cybersécurité avec NYU CCS présentant Randy Milch de New York University (NYU)

• Conversations à l'avant-garde de la cybersécurité avec NYU CCS présentant Dr. Justin Cappos de New York University (NYU)

• Conversations à l'avant-garde de la cybersécurité avec NYU CCS présentant Dr. Damon McCoy de New York University (NYU)

• Dissiper les 10 principaux mythes en cybersécurité de New York University (NYU)

• 9e conférence sur la cybersécurité sponsorisée par AIG de New York University (NYU)

• 8. Ryan Stortz & Kareem El-Faramawi - Firing Rounds at the Analysis Shooting Gallery de New York University (NYU)

• 2. Andrew Dutcher - angr de New York University (NYU)