机器学习以及计算机公开课汇总帖

系统自学计算机课程：

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

机器学习资料：

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

计算机

计算机基础

• 哈佛大学 CS50

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

  如果0基础想要学习计算机知识，非常推荐这门课，课程生动有趣。这门课面非常广，介绍了C语言，SQL，HTML，Python以及Javascript，如果时间有限，可以着重学习C语言部分。

• Nand to Tetris

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

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

  https://www.nand2tetris.org/

  非常非常好的课程，课程的内容是从与非门开始设计一个计算机，从底层开始介绍计算机的构成，覆盖了CPU，汇编，编译器，操作系统等内容，第一部分0基础即可，第二部分需要学习一门面向对象的语言基础。

  个人整理的资料（待完善）：

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

语言类

C语言

• 浙大程序设计入门——C语言
  https://www.icourse163.org/course/ZJU-199001

  课程比较简单，但是老师讲的非常好。

• 浙大C语言程序设计进阶
  https://www.icourse163.org/course/ZJU-200001

  讲了一些进阶的内容，老师也讲的非常好，看完C语言应该算真正入门了。

C++

• 北大程序设计与算法（一）C语言程序设计CAP
  https://www.icourse163.org/course/PKU-1001553023

  这门课更准确地说应该是C语言加STL，老师讲的很精炼，作业挺多的。

• 北大程序设计与算法（三）C++面向对象程序设计

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

  这门课主要讲C++面向对象编程，挺不错的。

• 北大C++程序设计

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

  和上一门课程基本一致，也是讲讲C++面向对象编程，但是作业难度要大很多。

Java

• 浙大程序设计入门—Java语言
  http://mooc.study.163.com/course/1000002014#/info

  课不难，老师讲的很好，适合入门。

• 浙大Java语言程序设计进阶
  http://mooc.study.163.com/course/1000004001#/info

  讲了一些面向对象的内容，值得学习。

• 斯坦福CS106A

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

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

  应该算比较著名的课了，完全的零基础入门，老师非常有意思，上课的内容难度不大，但是作业非常有挑战性，有的作业还是设计一个小游戏。这部分内容博客中有记录了习题，后续应该会把对应书籍再复习一遍。

Python

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

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

  这门课一开始上的是学堂在线上的，后来发现edx上的作业系统更加完善，就把edx上的列出。这门课讲一些python以及计算机基础知识，课程作业挺花时间的，不过收获很大。

• 北理Python网络爬虫与信息提取

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

  如果想要入门爬虫，我觉得没有比这门课更好的资料了，之前也参考过别的爬虫资料，更多的是像说明书，不适合新手入门，这门课在博客里也做了一些笔记。

  个人笔记及课件：

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

• UCB CS61A

  课程主页：https://inst.eecs.berkeley.edu/~cs61a/sp18/

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

  非常棒的Python课程，作业量很多，用Python讲解计算机运行原理，并且介绍了scheme。

Matlab

• MATLAB 程序设计入门

  课程主页：https://www.coursera.org/learn/matlab

  matlab入门课程，涵盖了常用内容，老师人很有趣。

数据结构与算法

• 浙大数据结构
  https://www.icourse163.org/course/ZJU-93001

  这门课强调的是数据结构和一些算法的实践，老师也讲的很好，但对零基础来说还是挺难的，作业每周要花很久，虽然没有语言要求，但是最好学过C，这部分在博客里做了一些简单的笔记。

• Coursera斯坦福算法课
  https://www.coursera.org/specializations/algorithms

  这门课也是相当有难度，但和浙大的课程不同之处在于强调算法分析，每个算法给了一些简单的伪代码，算是和浙大这门课互补了，后续应该会把这门课的笔记补充一下。

• 北大程序设计与算法（二）算法基础

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

  挺不错的，讲解算法基础，不涉及数据结构，内容算是和浙大数据结构互补。

数据科学和机器学习

其实这部分一直有在学，不过还没有全部完成，所以只列已经完成的部分。

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

  这门课是MIT6.001的后续内容，主要讲了如何用python解决Data Science问题，作业有挺有挑战性，应该说完成之后代码能力能上一个台阶，个人认为可以从这两门课开始Python和Data Science，先搭建一个轮廓，后续再深入学习。

• 南大用Python玩转数据

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

  主要讲了一些python数据分析中的常用库，大作业是一个数据分析的作业，老师亲自批改。总体来说老师认真负责，但是课程节奏有点快，需要多看几遍慢慢消化，适合之前有一定python经验的同学。

• MIT The Analytics Edge

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

  介绍利用R语言进行数据分析的课程，0基础也可以学，如果以后会用R比较多可以学一下，否则不是特别推荐。

机器学习

• Stanford 机器学习

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

  Coursera上最热门的一门课，老师是 Andrew Ng ，如果新手想要入门机器学习，非常推荐这门课，这门课没有过多纠结数学推导，但是学完之后应该算机器学习入门了，后续可以学习更加深入的课程。

  附上大佬翻译的中文课件：

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

• edx哥伦比亚大学机器学习课程

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

  edx上比较著名的课程，讲了常见的各类算法，完全吃透要投入很多时间，个人建议课件多复习几遍，附上我整理的资料。

  https://github.com/Doraemonzzz/MachineLearning_ColumbiaX

• Neural Networks for Machine Learning

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

  讲授者是大牛Hinton，但是我非常不推荐新手学习这门课，感觉这门课的听众应该是对神经网络比较了解的同学，我后续也要再听一遍。

• CS229

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

  Andrew Ng早期的课程，难度比较大，完整听了两三遍，已完成作业，并且对讲义中缺少的证明进行了补充，附上我整理的资料：

  https://github.com/Doraemonzzz/CS229

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

• 台大机器学习基石与技法

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

  个人认为是最好的中文机器学习课程之一，和CS229相比，更适合入门，内容和CS229互补，配套教材learning from data也非常好，附上我整理的资料：

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

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

深度学习

• CS231

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

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

  介绍了前馈神经网络（NN），卷积神经网络（CNN）以及循环神经网络（RNN），可以从这门课开始学习神经网络，课程作业比较有挑战性，内容为利用numpy实现CNN和RNN。

  个人整理的资料：

  https://github.com/Doraemonzzz/CS231n

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

• Coursera 深度学习 专项课程

  Andrew Ng在Coursera上的深度学习课程，内容深入浅出，包含深度学习的大部分内容，非常适合入门。

  大佬整理的中文笔记：

  https://github.com/fengdu78/deeplearning_ai_books

数学

离散数学

• 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的离散数学课程，练习量非常非常大，课程深入浅出。

  个人整理的资料：

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

优化

• CS205A Mathematical Methods for Robotics, Vision, and Graphics

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

  斯坦福数值分析公开课，内容丰富，介绍了数值分析常见的内容，涵盖了机器学习中绝大多数优化方法，部分作业难度较大。

  个人整理的资料：

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

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

线性代数相关

• EE263 Introduction to Linear Dynamical Systems

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

  斯坦福的线性动力系统课程，老师讲课非常有趣，课程内容也非常实用，介绍了线代的一些应用，一部分作业难度较大。

  个人整理的资料：

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

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

傅里叶分析

• EE261 The Fourier Transform and its Applications

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

  斯坦福的傅里叶分析课程，介绍了傅里叶分析的应用。

  个人整理的资料：

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

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