機器學習以及計算機公開課彙總帖

系統自學計算機課程：

https://www.jianshu.com/p/8f2646a825e8

機器學習資料：

https://www.jianshu.com/p/dc9020fd03b1

計算機

計算機基礎

• 哈佛大學 CS50

  https://www.edx.org/course/cs50s-introduction-computer-science-harvardx-cs50x

  如果0基礎想要學習計算機知識，非常推薦這門課，課程生動有趣。這門課面非常廣，介紹了C語言，SQL，HTML，Python以及Javascript，如果時間有限，可以着重學習C語言部分。

• Nand to Tetris

  https://www.coursera.org/learn/build-a-computer

  https://www.coursera.org/learn/nand2tetris2

  https://www.nand2tetris.org/

  非常非常好的課程，課程的内容是從與非門開始設計一個計算機，從底層開始介紹計算機的構成，覆寫了CPU，彙編，編譯器，作業系統等内容，第一部分0基礎即可，第二部分需要學習一門面向對象的語言基礎。

  個人整理的資料（待完善）：

  https://doraemonzzz.com/tags/From-Nand-to-Tetris/

語言類

C語言

• 浙大程式設計入門——C語言

  https://www.icourse163.org/course/ZJU-199001

  課程比較簡單，但是老師講的非常好。

• 浙大C語言程式設計進階

  https://www.icourse163.org/course/ZJU-200001

  講了一些進階的内容，老師也講的非常好，看完C語言應該算真正入門了。

C++

• 北大程式設計與算法（一）C語言程式設計CAP

  https://www.icourse163.org/course/PKU-1001553023

  這門課更準确地說應該是C語言加STL，老師講的很精煉，作業挺多的。

• 北大程式設計與算法（三）C++面向對象程式設計

  https://www.icourse163.org/course/PKU-1002029030

  這門課主要講C++面向對象程式設計，挺不錯的。

• 北大C++程式設計

  https://www.coursera.org/learn/cpp-chengxu-sheji?specialization=biancheng-suanfa

  和上一門課程基本一緻，也是講講C++面向對象程式設計，但是作業難度要大很多。

Java

• 浙大程式設計入門—Java語言

  http://mooc.study.163.com/course/1000002014#/info

  課不難，老師講的很好，适合入門。

• 浙大Java語言程式設計進階

  http://mooc.study.163.com/course/1000004001#/info

  講了一些面向對象的内容，值得學習。

• 斯坦福CS106A

  http://open.163.com/special/sp/programming.html

  https://see.stanford.edu/Course/CS106A

  應該算比較著名的課了，完全的零基礎入門，老師非常有意思，上課的内容難度不大，但是作業非常有挑戰性，有的作業還是設計一個小遊戲。這部分内容部落格中有記錄了習題，後續應該會把對應書籍再複習一遍。

Python

• MIT6.001 Introduction to Computer Science and Programming Using Python

  https://www.edx.org/course/introduction-computer-science-mitx-6-00-1x-11

  這門課一開始上的是學堂線上上的，後來發現edx上的作業系統更加完善，就把edx上的列出。這門課講一些python以及計算機基礎知識，課程作業挺花時間的，不過收獲很大。

• 北理Python網絡爬蟲與資訊提取

  https://www.icourse163.org/course/BIT-1001870001

  如果想要入門爬蟲，我覺得沒有比這門課更好的資料了，之前也參考過别的爬蟲資料，更多的是像說明書，不适合新手入門，這門課在部落格裡也做了一些筆記。

  個人筆記及課件：

  https://github.com/Doraemonzzz/python-web-scraping

• UCB CS61A

  課程首頁：https://inst.eecs.berkeley.edu/~cs61a/sp18/

  B站視訊：https://www.bilibili.com/video/av20538548?from=search&seid=13214797917749675498

  非常棒的Python課程，作業量很多，用Python講解計算機運作原理，并且介紹了scheme。

Matlab

• MATLAB 程式設計入門

  課程首頁：https://www.coursera.org/learn/matlab

  matlab入門課程，涵蓋了常用内容，老師人很有趣。

資料結構與算法

• 浙大資料結構

  https://www.icourse163.org/course/ZJU-93001

  這門課強調的是資料結構和一些算法的實踐，老師也講的很好，但對零基礎來說還是挺難的，作業每周要花很久，雖然沒有語言要求，但是最好學過C，這部分在部落格裡做了一些簡單的筆記。

• Coursera斯坦福算法課

  https://www.coursera.org/specializations/algorithms

  這門課也是相當有難度，但和浙大的課程不同之處在于強調算法分析，每個算法給了一些簡單的僞代碼，算是和浙大這門課互補了，後續應該會把這門課的筆記補充一下。

• 北大程式設計與算法（二）算法基礎

  https://www.icourse163.org/course/PKU-1001894005

  挺不錯的，講解算法基礎，不涉及資料結構，内容算是和浙大資料結構互補。

資料科學和機器學習

其實這部分一直有在學，不過還沒有全部完成，是以隻列已經完成的部分。

Data Science

• MIT6.002 Introduction to Computational Thinking and Data Science

  https://www.edx.org/course/introduction-computational-thinking-data-mitx-6-00-2x-6

  這門課是MIT6.001的後續内容，主要講了如何用python解決Data Science問題，作業有挺有挑戰性，應該說完成之後代碼能力能上一個台階，個人認為可以從這兩門課開始Python和Data Science，先搭建一個輪廓，後續再深入學習。

• 南大用Python玩轉資料

  https://www.icourse163.org/course/NJU-1001571005

  主要講了一些python資料分析中的常用庫，大作業是一個資料分析的作業，老師親自批改。總體來說老師認真負責，但是課程節奏有點快，需要多看幾遍慢慢消化，适合之前有一定python經驗的同學。

• MIT The Analytics Edge

  https://www.edx.org/course/the-analytics-edge

  介紹利用R語言進行資料分析的課程，0基礎也可以學，如果以後會用R比較多可以學一下，否則不是特别推薦。

機器學習

• Stanford 機器學習

  https://www.coursera.org/learn/machine-learning

  Coursera上最熱門的一門課，老師是 Andrew Ng ，如果新手想要入門機器學習，非常推薦這門課，這門課沒有過多糾結數學推導，但是學完之後應該算機器學習入門了，後續可以學習更加深入的課程。

  附上大佬翻譯的中文課件：

  https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

• edx哥倫比亞大學機器學習課程

  https://www.edx.org/course/machine-learning-columbiax-csmm-102x-4

  edx上比較著名的課程，講了常見的各類算法，完全吃透要投入很多時間，個人建議課件多複習幾遍，附上我整理的資料。

  https://github.com/Doraemonzzz/MachineLearning_ColumbiaX

• Neural Networks for Machine Learning

  https://www.coursera.org/learn/neural-networks

  講授者是大牛Hinton，但是我非常不推薦新手學習這門課，感覺這門課的聽衆應該是對神經網絡比較了解的同學，我後續也要再聽一遍。

• CS229

  http://open.163.com/special/opencourse/machinelearning.html

  Andrew Ng早期的課程，難度比較大，完整聽了兩三遍，已完成作業，并且對講義中缺少的證明進行了補充，附上我整理的資料：

  https://github.com/Doraemonzzz/CS229

  https://doraemonzzz.com/tags/CS229/

• 台大機器學習基石與技法

  https://www.csie.ntu.edu.tw/~htlin/course/ml15fall/

  個人認為是最好的中文機器學習課程之一，和CS229相比，更适合入門，内容和CS229互補，配套教材learning from data也非常好，附上我整理的資料：

  https://github.com/Doraemonzzz/ML-Foundation-and-ML-Techniques

  https://github.com/Doraemonzzz/Learning-from-data

深度學習

• CS231

  http://cs231n.stanford.edu/2017/

  https://study.163.com/courses-search?keyword=CS231

  介紹了前饋神經網絡（NN），卷積神經網絡（CNN）以及循環神經網絡（RNN），可以從這門課開始學習神經網絡，課程作業比較有挑戰性，内容為利用numpy實作CNN和RNN。

  個人整理的資料：

  https://github.com/Doraemonzzz/CS231n

  https://doraemonzzz.com/tags/CS231/

• Coursera 深度學習 專項課程

  Andrew Ng在Coursera上的深度學習課程，内容深入淺出，包含深度學習的大部分内容，非常适合入門。

  大佬整理的中文筆記：

  https://github.com/fengdu78/deeplearning_ai_books

數學

離散數學

• 18.062 Mathematics for Computer Science

  https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-042j-mathematics-for-computer-science-spring-2015/

  MIT的離散數學課程，練習量非常非常大，課程深入淺出。

  個人整理的資料：

  https://github.com/Doraemonzzz/Mathematics-for-Computer-Science

優化

• CS205A Mathematical Methods for Robotics, Vision, and Graphics

  https://graphics.stanford.edu/courses/cs205a-13-fall/schedule.html

  斯坦福數值分析公開課，内容豐富，介紹了數值分析常見的内容，涵蓋了機器學習中絕大多數優化方法，部分作業難度較大。

  個人整理的資料：

  https://github.com/Doraemonzzz/CS205A-Mathematical-Methods-for-Robotics--Vision--and-Graphics

  https://doraemonzzz.com/tags/CS205A/

線性代數相關

• EE263 Introduction to Linear Dynamical Systems

  https://see.stanford.edu/Course/EE263

  斯坦福的線性動力系統課程，老師講課非常有趣，課程内容也非常實用，介紹了線代的一些應用，一部分作業難度較大。

  個人整理的資料：

  https://github.com/Doraemonzzz/EE263-Introduction-to-Linear-Dynamical-Systems

  https://doraemonzzz.com/tags/EE263/

傅裡葉分析

• EE261 The Fourier Transform and its Applications

  https://see.stanford.edu/Course/EE261

  斯坦福的傅裡葉分析課程，介紹了傅裡葉分析的應用。

  個人整理的資料：

  https://github.com/Doraemonzzz/EE261-The-Fourier-Transform-and-its-Applications

  https://doraemonzzz.com/tags/EE261/