The University of Texas at Austin;
机译:有机化学与药用化学教育实验室的污染物。 实验和机器学习研究
机译:自组织移动网络系统中用于QoE预测和异常检测的机器学习
机译:使用未占用的飞机系统和机器学习技术从多光谱遥感中检索土壤水分检索的进展
机译:用机器学习方法检索有色溶解有机物
机译:基于机器学习的医学信息检索系统
机译:基于机器学习的晶体系统预测无机材料组成的空间和空间群
机译:通过系统的教学方法设计讲座,(saTL)方法论概念概念在使化学家能够实现方面发挥着至关重要的作用。最近开发的基于概念的教学方法可能在促进理解化学概念和吸收化学重要理论基础的努力中发挥关键作用。 a. F. m. Fahmy和J. J. Lagowski是世界范围内通过这种新颖的教学模式建立年轻一代概念的主要人物。然而,他们的努力,直到最近已经大多是有机化学特定的。然而,saLTC教学方法同样适用于化学中的其他各个学科。因此,saTLC方法也可用于克服学生在理解任何化学实体对特定和所需化学作用的功效方面所面临的问题。本演示文稿概述了saTLC技术可能应用于与物理化学的许多方面相关的概念,这些概念将被整合在一个单元中,以促进化合物在任何研究人员所需的任何化学变化中的应用。