O curso 6.0002 é a continuação do Introdução à Ciência da Computação e Programação em Python (6.0001 ) e é destinado a estudantes com pouca ou nenhuma experiência em programação.
O objetivo é fornecer aos estudantes uma compreensão do papel da computação na resolução de problemas e ajudá-los, independentemente de sua área de estudo, a se sentirem justificadamente confiantes em sua capacidade de escrever pequenos programas que lhes permitam alcançar objetivos úteis.
A aula utiliza a linguagem de programação Python 3.5.
Objetivos
- Proporcionar uma compreensão do papel que a computação pode desempenhar na resolução de problemas.
- Ajudar os alunos, incluindo aqueles que não planejam se especializar em Ciência da Computação e Engenharia Elétrica, a se sentirem confiantes em sua capacidade de escrever pequenos programas que lhes permitam alcançar objetivos úteis.
- Posicionar os alunos de modo que possam competir por projetos de pesquisa e se destacar em disciplinas com componentes de programação.
Professores
- Prof. Eric Grimson
- Prof. John Guttag
- Dr. Ana Bell
Sobre o MIT
O Instituto de Tecnologia de Massachusetts (MIT) é uma universidade de pesquisa privada em Cambridge, Massachusetts. Fundado em 1861, o MIT é conhecido por suas fortes ênfases em ciência, engenharia e tecnologia.
A instituição promove uma cultura de inovação e possui um ambiente interdisciplinar.
Além de suas realizações acadêmicas e de pesquisa, o MIT é reconhecido por seu impacto global através de programas de extensão e colaborações internacionais.
Aulas
- 1 Section
- 15 Lessons
- Lifetime
- Aulas em vídeo15
- 1.0Introdução e Problemas de Otimização (Aula 1)40 Minutos
- 1.1Problemas de Otimização (Aula 2)48 Minutos
- 1.2Modelos Teóricos de Grafos (Aula 3)50 Minutos
- 1.3Pensamento Estocástico (Aula 4)49 Minutos
- 1.4Caminhadas Aleatórias (Aula 5)49 Minutos
- 1.5Simulação de Monte Carlo (Aula 6)50 Minutos
- 1.6Intervalos de Confiança (Aula 7)50 Minutos
- 1.7Amostragem e Erro Padrão (Aula 8)46 Minutos
- 1.8Compreensão de Dados Experimentais (Aula 9)47 Minutos
- 1.9Compreensão de Dados Experimentais (Aula 10)50 Minutos
- 1.10Introdução ao Aprendizado de Máquina (Aula 11)51 Minutos
- 1.11Agrupamento (Aula 12)50 Minutos
- 1.12Classificação (Aula 13)49 Minutos
- 1.13Classificação e Pecados Estatísticos (Aula 14)49 Minutos
- 1.14Pecados Estatísticos e Conclusão (Aula 15)45 Minutos