XiaoMi-AI文件搜索系统
World File Search System哈佛商学院
融合 - 哈佛破折号
代表了一个充分利用的资源：实际上，我们拥有48个经济体的一个世纪数据（尽管肯定不是48个封闭经济体！）。美国各州提供了明确的融合证据，因为贫穷的经济体往往比富裕人的人均趋势更快。如果我们对资本有广泛的看法，那么估计的融合速度与新型增长模型相一致，以便随着经济发展而逐渐减少资本的回报。美国各州的发现可以与国家广泛的国家的发现。但是，出现了一些难题，在与模型的开放经济扩展调解数据时。尤其是，在美国各州的收入和产品的收敛速度相似，而理论推理则表明了一些重要的差异。
机器理论：人们何时依赖算法？
Jennifer M. Logg，哈佛大学哈佛商学院 作者感谢 Don A. Moore、Leif D. Nelson、Cameron Anderson 和 Michael A. Ranney 提供的有益评论和见解。还要感谢 Clayton Critcher、Linda Babcock 和 Rick Larrick，以及哈佛商学院谈判、组织与市场部门、宾夕法尼亚大学沃顿商学院运营、信息与决策系、卡内基梅隆大学社会与决策科学小组、伦敦政治经济学院公共政策系和加州大学洛杉矶分校安德森管理学院行为研讨会提供的深思熟虑的反馈和讨论。感谢 Jeff Hannon 慷慨招募在国家安全领域工作的参与者。感谢 Berkeley Dietvorst 慷慨分享实验材料。感谢情报高级研究计划活动 (IARPA)、加州大学伯克利分校哈斯商学院论文奖学金和哈斯商学院行为实验室的慷慨资助。感谢 Isaac Weinberg 和 Julia Prims 的研究协助。有关本文的通信请寄至 Jennifer M. Logg，哈佛商学院，哈佛大学，贝克图书馆，彭博中心 433，哈佛商学院，马萨诸塞州波士顿 02163。电子邮箱：jlogg@hbs.edu
从战略慈善到实地建设
本案例由 V. Kasturi Rangan 教授和研究助理 Tanya Bijlani 准备。公司指定人员在发布前对其进行了审查和批准。本案例的开发资金由哈佛商学院提供，而非公司。哈佛商学院案例仅作为课堂讨论的基础。案例并非旨在作为认可、原始数据来源或有效或无效管理的例证。版权所有 © 2021 哈佛学院院长和研究员。如需订购副本或请求复制材料的许可，请致电 1-800-545-7685，写信至 Harvard Business School Publishing, Boston, MA 02163，或访问 www.hbsp.harvard.edu。未经哈佛商学院许可，不得将本出版物数字化、复印或以其他方式复制、发布或传播。
开源软件的价值
作者感谢 Linux 基金会提供的资金和行政支持，如果没有这些支持，普查数据就无法获得。我们非常感谢哈佛商学院研究计算服务、哈佛创新科学实验室、Linux 基金会以及软件组成分析数据提供商 Snyk、Synopsys 网络安全研究中心和 FOSSA 的支持。我们感谢 Tianli Li 和 Misha Bouzinier 提供的出色研究协助。我们还感谢软件开发人员 Boris Martinovic 以及微软的 Rich Lander 和 Scott Hanselman 对 .NET 生态系统的见解。我们从哈佛商学院价值观和估值会议、哈佛商学院 D3 研究日和 2023 年管理学院会议的参与者那里得到了有益的反馈。
公告 - 哈佛法学院
五十年前，大法官雨果·L·布莱克在五角大楼文件案的同意意见中写道，第一修正案保护新闻界，因此新闻界可以“揭露政府秘密并告知人民”。在那项历史性裁决中，最高法院结束了禁止出版国防部有关美国参与越南战争秘史的临时禁令。法院允许《纽约时报》、《华盛顿邮报》和其他报纸继续出版长达 7,000 页的文件摘录，揭露政府如何利用保密手段欺骗美国人民，使他们不相信国家在战争中的灾难性作用。《纽约时报》和政府的拥护者是哈佛法学院的杰出成员：校友亚历山大·M·比克尔，法学学士，1949 届，耶鲁法学院教授；以及司法部长欧文·N·格里斯沃尔德，法学学士。 '28 法学博士 '29，他于 1946 年至 1967 年担任哈佛法学院院长，直至加入司法部。这项裁决使媒体的地位合法化，正如历史学家斯坦利·库特勒所说，“是人民对抗官员不法行为的圣骑士”。这项裁决基于这样一个原则，即自由新闻所体现的言论自由是美国民主的基本要素。除非出版会对国家造成严重的和无法挽回的伤害，否则，冒着因出版信息而损害民主的风险，总比冒着因让政府决定公民可以知道什么而破坏民主的风险要好。当一个为自己服务的政府取代为民服务的政府时，权力的暴政就会取代法治：独裁取代民主。政府根据 1917 年的《间谍法》起诉报纸。这项旧法律的主要目的是通过惩罚向外国敌人泄露国家安全机密来限制间谍活动。 1973 年，即五角大楼文件裁决两年后，《哥伦比亚法律评论》发表了一份详尽的
公告 - 哈佛法学院
1968 年，我是一名法学院二年级学生，而我的妻子在拉德克利夫学院读最后一年。那是一个非常寒冷的冬天，暴风雪肆虐。那天晚上，我们邀请了哈佛法学院的一位教授 Lloyd Weinreb 共进晚餐。我不知道还有哪个学生邀请过他们的哈佛法学院教授共进晚餐。但难道现在不是尝试新事物的时候吗？整个大学一片混乱，这是早就该发生的根本性变革的开始。现在，看着窗外，我看到奥本山街上的交通已经停止了。白雪在路灯下飘扬。“Weinreb 教授今晚不可能来吃晚饭，”我的妻子说。就在这时，电话响了。“看到了吗？”她补充道。“我只是想看看晚餐是否还在，”Weinreb 教授说。“是的，但我认为你来不了了，”我说。“什么都没有。”
Covino-哈佛医学院
在纪念本·科维诺（Ben Covino）的职业生涯时，有几个方面给他留下了永恒的印象。首先，他是一个虔诚的家庭人，一个深厚的宗教人士，也是天主教的外行成员。其次，他从时间顺序上是科学家，然后是医生，从心血管生理学的基础研究转变为在新型新型局部麻醉药的发展中的作用，最终是作为实践麻醉师的地方。他担任组织者和管理员的第三个主要部分，指导三个单独且不同的麻醉部门合并到Brigham and妇女医院最终的单一实体。第四，他是一位鼓舞人心的老师，在著名的区域麻醉期间担任主编，是对麻醉的各个方面的国际讲师，也是他的专业居民的亲密老师。
RC 策略课程简介
本课程概述说明由高级讲师 Ashish Nanda 编写，参考了 RC 战略教员的建议和意见，旨在帮助哈佛商学院 MBA 课程的 RC 战略课程学生。本说明借鉴了之前的 RC 战略课程介绍说明，特别是 Jan W. Rivkin 教授撰写的“RC 战略课程简介”，HBS No. 707-492。版权所有 © 2018、2019 哈佛学院院长和研究员。如需订购副本或请求复制材料的许可，请致电 1-800-545-7685，写信给哈佛商学院出版社，波士顿，马萨诸塞州 02163，或访问 www.hbsp.harvard.edu。未经哈佛商学院许可，不得将本出版物数字化、复印或以其他方式复制、发布或传播。
非营利管理中的战略观点
根据哈佛大学的政策，哈佛商学院并未根据种族，颜色，性别或性取向，性别认同，宗教，年龄，民族或种族，政治信仰，退伍军人身份或残疾来歧视任何人。已指定以下人员来处理有关非歧视政策的询问：Liza Nascembeni女士，哈佛商学院，士兵菲尔德，马萨诸塞州波士顿，美国马萨诸塞州02163-9986 U.S.
卢旺达大学商学院
图 1：将样本从两个类别中分离出来的最大边际超平面 ...................................................................... 9 图 2：决策树算法 .............................................................................................................. 11 图 3：使用决策树对直接邮寄的响应进行分类 ........................................................................ 12 图 4：用于数据分析的 Python 库 ............................................................................................. 21 图 5：我们数据集中缺失值的摘要 ............................................................................................. 23 图 6：热图函数表示空值的分布 ............................................................................................. 24 图 7：说明调查类型的 Python 代码 ............................................................................................. 25 图 8：说明业余建造的 Python 代码 ............................................................................................. 26 图 9：说明飞行阶段的 Python 代码 ............................................................................................. 27 图 10：说明可变数量的发动机的 Python 代码 ............................................................................. 28 图 11：用四个属性的模态值替换缺失值的 Python 代码和结果 ................................................................................................................. 29 图 12：清理后的数据集，没有空值 ............................................................................................. 30图 14：从分类转换为数值后的调查类型摘要 ......................................................................................................................................................................31 图 15：从分类转换为数值后的天气状况摘要 ......................................................................................................................................................31 图 16：从分类转换为数值后的业余建造摘要 ......................................................................................................................31 图 17：从分类转换为数值后的飞行阶段摘要 ......................................................................................................31 图 18：带有数值的发动机数量摘要 .............................................................................................................32 图 19：我们数据集中变量之间相关性的摘要。 .............................................................................................34 图 20：我们数据集的形状 .............................................................................................................................34 图 21：我们数据集中的所有变量 .............................................................................................................35 图 22：筛选特征（可能导致空调事故的潜在特征） .............................................................................................35 图 23：特征重要性 ................................................................................................................ 36 图 24：决策树分类器的分类报告和准确度得分 .............................................................................. 37 图 25：决策树分类器的混淆矩阵 .............................................................................................. 38 图 26：基于曲线下面积的决策树分类器性能图表 ............................................................................................. 38 图 27：随机森林分类器的分类报告和准确度得分 ............................................................................. 39 图 28：随机森林分类器的混淆矩阵 ............................................................................................. 39 图 29：基于曲线下面积的随机森林分类器性能图表 ............................................................................................. 39 图 30：SVM 分类器的分类报告和准确度得分 ............................................................................................. 40 图 31：SVM 分类器的混淆矩阵 ............................................................................................. 40 图 32：基于 AUC 的 SVM 分类器性能图表 ............................................................................................. 40 图 33：朴素贝叶斯的分类报告和准确度得分分类器 .................................................. 41 图 34：朴素贝叶斯分类器的混淆矩阵 .............................................................. 41 图 35：基于 AUC 的朴素贝叶斯分类器性能图表 .............................................. 41 图 36：基于 AUC 对飞机事故数据的不同分类模型的评估性能 ............................................................................................................. 42SVM 分类器的混淆矩阵 ................................................................................................ 40 图 32：基于 AUC 的 SVM 分类器性能图表 .............................................................. 40 图 33：朴素贝叶斯分类器的分类报告和准确度得分 ............................................................ 41 图 34：朴素贝叶斯分类器的混淆矩阵 ............................................................................. 41 图 35：基于 AUC 的朴素贝叶斯分类器性能图表 ............................................................. 41 图 36：基于 AUC 的不同分类模型在飞机事故数据上的评估性能 ............................................. 42SVM 分类器的混淆矩阵 ................................................................................................ 40 图 32：基于 AUC 的 SVM 分类器性能图表 .............................................................. 40 图 33：朴素贝叶斯分类器的分类报告和准确度得分 ............................................................ 41 图 34：朴素贝叶斯分类器的混淆矩阵 ............................................................................. 41 图 35：基于 AUC 的朴素贝叶斯分类器性能图表 ............................................................. 41 图 36：基于 AUC 的不同分类模型在飞机事故数据上的评估性能 ............................................. 42