美国计算机名校例如MIT ，CMU等招牌经典公开课程

本篇博客主要来自于知乎上的经典问题：
美国计算机名校例如MIT ，CMU ，有哪些公认的好课并且有课程讲义的，适合国内学生自学的？
https://www.zhihu.com/question/57532048

知乎高赞回答

1.作者：周博磊
https://www.zhihu.com/question/57532048/answer/153255177

谢邀。MIT的老师其实非常重视上课，准备很充分，都想更好地把知识传授给学生。下面列几个我上过的非常好而且课程资料也公开的课程。

6.824 Distributed System
课程链接：https://pdos.csail.mit.edu/6.824/

系统方向非常好的一门课程，每堂课都讲一个新的分布式系统模型，没有教材，每堂课都是直接讲论文。老师是MIT PDOS的神牛Robert Morris (不错，这人就是当年因为发明蠕虫病毒而蹲监然后回MIT当教授的神人)和Frans Kaashoek。这些分布式系统都是实际用在各个大公司里的系统，比如说Spark, GFS，PNUTS。当年我修这门课的时候感觉课程压力非常大，有期中期末考试，有lab作业，有reading work, 还有course project，但是整个课程设计得非常好。lab要用Golang实现，硬生生地学了门新的语言。最后我的course project是用Go实现了一个Spark原型系统（https://github.com/metalbubble/GoSpark），那个还是2013年的时候，Spark还刚开始崭露头角：）。

6.830 Database Systems
课程链接：http://db.csail.mit.edu/6.830/

数据库系统的一门核心课程。由数据库的一大山头Samuel Madden教授。前半部分比较基础的数据库的知识，后半段主要在讲Distributed Databases的东西，各种consistency挺有意思，也是database比较火的研究方向。

18.409 Algorithmic Aspects of Machine Learning, Spring 2015
课程链接：http://people.csail.mit.edu/moitra/409.html

Ankur Moitra教的machine learning课程。课程切入点跟一般的机器学习课程都不同，Ankur自己是做theory背景的（攻FOCS, STOC之类的会），所以这个课程有深厚的理论根基。对sparse coding, topic model, tensor decompositions等会有脑洞大开的认识。

6.869 Advances in Computer Vision (Fall 2016 Fall 2015)
课程链接：http://6.869.csail.mit.edu/fa16/

我TA过的一门计算机视觉的课程。课件不错，过了一遍CV的传统内容，也增加了很多deep learning的内容，适合初学者入门，也适合除了deep learning就不懂computer vision其他东西的朋友。。。Final Project我设计了一个Mini Places Challenge, 让学生可以组队比赛，训练深度模型。

2.作者：小皮熊

https://www.zhihu.com/question/57532048/answer/524593082

Introduction to Computer Systems (CMU)
课程链接：http://www.cs.cmu.edu/~213/

CMU 的招牌计算机课程，是 CMU 计算机系本科生的必修课。一门课让你对整个计算机系统有了较为全面的理解。内容包含汇编语言，计算机网络，操作系统，内存管理等等底层计算机基础知识。学了这一门课，你就可以知道自己对计算机系统是否感兴趣，如果没有兴趣，也就没有必要选择编译原理这种课程了。

Linear Algebra (MIT Gilbert Strang)
课程链接：
https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/video-lectures/
可能是全世界最棒的数学课之一了。Gilbert Strang 老爷爷把我拽回了数学殿堂。清华的线性代数课程是给出定义，给出定理，证明定理，例题，解答。然而MIT的Strang教授的线性代数课却截然不同，如果不是课程名一样，我甚至感觉不到这是同一门课。Strang讲课感觉讲述的自己一生的学术感悟以及对学术的热爱，那种自然，那种感染力，太能感动人了。Strang教授的课程不是在教育你，给你填鸭，而是引导你，启发你自己去思考。他不会直接给你一个概念的定义，而是告诉你我们遇到了什么问题，为了解决这个问题，我们才引入这个概念。

Introduction to Algorithms (MIT)
课程链接：
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-046j-introduction-to-algorithms-sma-5503-fall-2005/index.htm

这是一门历史很悠久的公开课了，也是我学的第一门公开课，这门课还要配套的书籍，与课程名同名。这门课比较偏理论，数论、图论的东西比较多，我们甚至可以认为这是一门数学课了。如果你只是想刷题找工作，那么其实没有必要去研究这么深入的数学理论。如果你想提高知识水平，或者对算法的理论本质有兴趣，那么这门课就很适合你了。

Machine Learning (CMU Tome Mitchell)
课程链接：
http://www.cs.cmu.edu/~tom/10701_sp11/lectures.shtml

CMU 机器学习学院院长的课，Tom 的课真棒啊，深入浅出。

Intro to AI (Berkeley Pieter Abbeel)
课程链接：http://ai.berkeley.edu/home.html

Berkeley 的 鼎鼎大名的 Pieter Abbeel 的招牌课程啊。Pieter Abbeel 讲课非常好，而且制作了很多非常有趣且直观的动画，帮助学生理解。这门课前半学期讲规划相关的知识，后半学期是机器学习相关的。其中前半学期规划算法的作业非常经典，是 Pacman 吃豆子游戏：

Convex Optimization (Stanford Stephen Boyd)
课程链接：http://web.stanford.edu/class/ee364a/index.html

Stephen Boyd 大神的神课，可以配合他的书一起学。我个人觉得 Stephen 在斯坦福的课堂
（https://www.youtube.com/watch?v=McLq1hEq3UY） 上讲得更好，相对来讲，他在Coursera 上面讲得就比较拘谨了。这门课的第一部分理论部分是精华中的精华，需要掌握得比较熟练。后面是例子和解法，用的时候再看就行了。

国内方面：

高等代数 （北大 丘维声）
课程链接：https://www.bilibili.com/video/av40020819/
这是北大丘维声教授在清华物理教授的数学课。丘维声老师讲课真是太好了！不用笔记直接写板书，讲课生动热情。这门课是给理科生讲的，非常严谨，非常有深度。

数据结构（清华大学 邓俊辉）
这是清华大学计算机系的镇宅神课。虽然是中国的课程，但是这门课却非常接近的"美式"经典课程。如同"写悬疑小说"一样启发性的课堂和教材，完善的OJ作业测评系统，完善的助教系统。“对数据结构的理解要融会贯通”，以及"对复杂度的感觉要向呼吸一样自然"。