24个结果
认证等级： 完成
加入这个每日学习小组，学习John Clark和Devendra Kapadia的《微积分入门》电子书中的课程，以及Wolfram U综合微积分入门课程中的练习和测验。
学习使用Wolfram语言并应用现代计算思维，学习交互式开放课程和Stephen Wolfram的随附书籍（现为第三版）中的课程。无需事先掌握编程知识。Wolfram认证讲师Rory Foulger在Wolfram教育项目人员的协助下领导该小组。通过互动开放课程和Stephen Wolfram的随附书籍学习使用Wolfram语言并应用现代计算思维，该书现已出版第三版。无需事先掌握编程知识。Wolfram认证讲师Rory Foulger在Wolfram教育项目人员的协助下领导该小组。
了解如何为您的计算任务释放LLM的威力。本课程将向您展示与Wolfram Language一起使用LLM技术的不同方式，包括如何使用聊天笔记本的对话界面以及LLM函数可能的编程操作。
本课程介绍快速入门使用Wolfram技术堆栈的核心技术。学习在云中和桌面上使用Wolfram笔记本，熟悉Wolfram语言的语法和编程基础。本课程提供由现场讲师指导的综合指导。无需具备Wolfram语言方面的经验。课程结业证书可用。
本课程介绍快速入门使用Wolfram技术堆栈的核心技术。学习在云中和桌面上使用Wolfram笔记本，熟悉Wolfram语言的语法和编程基础。本课程提供由现场讲师指导的综合指导。无需具备Wolfram语言方面的经验。提供课程结业证书。
认证等级： 出勤
您将学习如何导入不同的文件格式，以及如何使用Wolfram超功能预处理图像和投射模型，以实现分割和分类等任务。
认证等级： 完成第1级
本课程讲授Wolfram语言编程的基本概念。它具有简明的课堂部分、带有自检练习的课堂笔记本，以供进一步学习，以及编写Wolfram语言代码的提示。Wolfram认证的讲师指导课堂，并提供交互式投票，以增进理解。本课程为任何想要从头开始理解Wolfram语言编程的人提供了坚实的入门知识。
加入这个免费的入门课程，了解如何使用计算交互式探索几乎任何领域。看看计算思维——批判性分析和信息处理的现代融合——是如何应用于传统上与编码无关的一系列学科的。从营养到文学，你将学习在课堂、研究项目或公司中使用基于知识的编程的实用方法。本课程介绍使用Wolfram语言的计算智能、Wolfram笔记本的用户友好的编码环境以及Wolfram知识库的精心策划的真实世界知识来发现想法和见解的创新方法。
本课程提供有效创建和维护Wolfram语言项目的知识、工具和指导。在现有编程技能的基础上，快速复习基本语法，然后加深对模式、交互式界面和云部署的理解。了解编码最佳实践，包括错误处理和IDE的使用。本课程是为准备超越基础知识并创建自己的程序和界面的Wolfram语言用户设计的。
Wolfram虚拟技术会议汇集了来自多个学科的最优秀和最聪明的技术创新者。注册参加会前培训课程、会议演示、主题“会议”和预定的社交活动。
认证等级： 完成第1级第2级
了解Wolfram语言中的高级编程和开发概念。深入了解表达式语法和函数定义的基础知识。探索更复杂的想法，如upvalues、属性、手动作用域和包创建。本课程是编程能力课程序列的第三部分，也是最后一部分，紧随编程基础和实用编程之后。本课程是为希望进一步掌握Wolfram语言编程的用户设计的。
报名参加这个每日学习小组，在Wolfram语言中的可视化和计算工具的帮助下，向您介绍复数和函数的属性和应用。每日课程选自即将到来的Wolfram U课程复杂分析简介。
通过使用Wolfram Data Repository中的精选数据集，本课程将展示如何快速可视化不同的数据结构，以及如何使您的图形做好发布和共享的准备。为了充分利用图形，我们共享了特定领域的功能和通用技术。本课程面向任何想要更多了解使用Wolfram语言进行数据可视化的人。
在本课程中，您将学习如何创建Wolfram笔记本，交互式和强大的计算文档。本课程展示了如何将Wolfram语言与笔记本界面相结合，以表达您的想法，并为数据科学、建模、研究、教育等开发技术工作流。探索如何构建丰富的计算文章和演示文稿并发布到云上。无需Mathematica或Wolfram语言经验。
本课程探讨Wolfram笔记本在教学中的多功能性。了解如何使用笔记本学习编码、使用和传输数据，以及创建交互式内容以在教学环境中使用。通过示例，讲师将向您展示如何开始使用计算笔记本教授基础科学、数学和算法。这是一门针对初学者的课程；无需具备Wolfram技术方面的经验。
本课程介绍了机器学习的一些基本概念，以及Wolfram语言中易于使用的机器学习超功能。您将学习如何使用几行代码执行有监督和无监督的学习任务。我们将从不同类型的机器学习的示例开始，然后继续讨论使用标记和未标记数据执行机器学习的更多细节。示例演示了回归、分类、聚类和异常检测。建议基本熟悉Wolfram语言或具备任何编程语言的入门级技能。
本课程介绍了Wolfram语言中最先进的神经网络框架。您将学习如何探索预构建和预训练模型的Wolfram神经网络存储库，以及如何将其应用于您自己的数据集。还可以了解如何使用转移学习来调整模型以适应您自己的应用程序。然后，本课程将讨论神经网络的构建块，以及如何将它们组合在一个符号框架内以构建自己的神经网络的说明。将讨论训练和测试神经网络的简单示例，以及检查网络隐藏层输出的选项。
Enable JavaScript to interact with content and submit forms on Wolfram websites. Learn how
