Coursera课程下载和存档计划更新及索引

更新了一下github上“Coursera Archive”项目的相关课程链接,如果在Coursera新课程平台上有的,就更新为新平台链接,如果没有,就保留课程图谱上的链接,供大家参考。

从目前更新的链接来看,有的课程得到了保留,也有的直接不复存在,譬如机器学习的相关课程, 台大林軒田老师的两门机器学习课程就没有了,但是大神Geoffrey Hinton的“面向机器学习”的神经网络课程貌似又复活了,Coursera新课程平台上显示的是2016年9月份开课,大家可以拭目以待。又例如自然语言处理的相关课程,只有 Michael Collins 大神的自然语言处理课程丢失,其他3门课程在新课程平台上均有所保留,情况貌似没有那么糟。另外斯坦福大学的两门算法设计与分析课程,刚刚开课,感兴趣的同学可以直接去上课了。

最后附上 “Coursera课程下载和存档计划” 相关索引,仅供查询和参考:

  1. Coursera Downloader 下载工具
  2. Coursera课程速查表
  3. 机器学习 & 自然语言处理 & 推荐系统 & 数据挖掘相关公开课
  4. 计算机科学基础公开课
  5. 其他课程资源

注:原创文章,转载请注明出处“课程图谱博客”:http://blog.coursegraph.com

本文链接地址:http://blog.coursegraph.com/coursera课程下载和存档计划更新及索引

Coursera课程下载和存档计划五:其他课程资源

本期整理了手头剩下的其他课程,限于个人精力有限,不整理归类了,请自取。这些公开课资源一些来自于之前课程图谱群内朋友的或者微博上的朋友的分享,另外一些这里做了下载补充,主要针对Coursera旧课程平台的课程进行备份和分享,对于一些已经迁移至新课程平台的课程,希望大家直接去Coursera新课程平台上去上课,这样会有更好的学习体验。最后特别说明的是,课程网盘资源仅供个人备份学习使用。

关于“Coursera课程下载和存档计划”,请参考:

  1. Coursera Downloader 下载工具
  2. Coursera课程速查表
  3. 机器学习 & 自然语言处理 & 推荐系统 & 数据挖掘相关公开课
  4. 计算机科学基础公开课

以下课程资源备份,相关信息我们也会同步到“Coursera Archive”项目上去:

29. 计算机科学入门课程: Computer Science 101

链接: http://pan.baidu.com/s/1dEXhOU9 密码: 6efk

30. 社交网络分析: Social Network Analysis

链接: http://pan.baidu.com/s/1kVheUMV 密码: pr7d

31. 台大概率课程:機率

链接: http://pan.baidu.com/s/1mis8w8C 密码: gqun

32. 科学计算:Scientific Computing

链接: http://pan.baidu.com/s/1mhN0sJI 密码: iiyn

33. 高性能科学计算:High Performance Scientific Computing

链接: http://pan.baidu.com/s/1kUP4jUB 密码: n8b5

34. Python入门课程:Learn to Program: The Fundamentals

链接: http://pan.baidu.com/s/1eSlZbR8 密码: fwr6

35. 函数式编程:Programming Languages

这门课程直接分享有问题,压缩了一下分享出来:

链接: http://pan.baidu.com/s/1c1AjzNE 密码: 8hb2

36. 线性代数应用课程:Coding the Matrix: Linear Algebra through Computer Science Applications

链接: http://pan.baidu.com/s/1cHVpsa 密码: qb4v

37. 异构并行编程 Heterogeneous Parallel Programming

关键词:GPU,CUDA

链接: http://pan.baidu.com/s/1pLznR2j 密码: taxa

38. 博弈论:Game Theory

链接: http://pan.baidu.com/s/1bFDh9s 密码: etxp

39. 大数据暑期学校:The Caltech-JPL Summer School on Big Data Analytics

链接: http://pan.baidu.com/s/1gfHffn9 密码: wfc3

40. 大数据课程:Web Intelligence and Big Data

链接: http://pan.baidu.com/s/1skWd9Nn 密码: dikb

41. Audio Signal Processing for Music Applications

链接: http://pan.baidu.com/s/1i5vwuQp 密码: 7di2

42. 图像和视频处理: Image and video processing: From Mars to Hollywood with a stop at the hospital

链接: http://pan.baidu.com/s/1i5NMCvj 密码: jq55

43. 离散优化: Discrete Optimization

链接: http://pan.baidu.com/s/1i49ZlgL 密码: cy2u

44. 线性优化和离散优化:Linear and Discrete Optimization

链接: http://pan.baidu.com/s/1gf7BFEz 密码: q5q6

45. 计算机视觉基础:Computer Vision: The Fundamentals

链接: http://pan.baidu.com/s/1qYgUX1i 密码: a2gm

46. 计量金融中的数学方法:Mathematical Methods for Quantitative Finance

链接: http://pan.baidu.com/s/1pKYP1H5 密码: eu5z

47. 模型思维:Model Thinking 模型思维

链接: http://pan.baidu.com/s/1nvvomQt 密码: x8g9

48. 统计学 & R语言:Statistics: Making Sense of Data

链接: http://pan.baidu.com/s/1c0utwM 密码: bs3b

49. 数字信号处理:Digital Signal Processing

链接: http://pan.baidu.com/s/1slgmZjJ 密码: wc9u

50. 逻辑导引:Introduction to Logic

链接: http://pan.baidu.com/s/1jIffsKQ 密码: fdm2

51. 软件定义网络:Software Defined Networking

链接: http://pan.baidu.com/s/1qXE4DIk 密码: bw62

52. Principles of Reactive Programming

链接: http://pan.baidu.com/s/1skSFMOl 密码: ht3j

53. 创业工程:Startup Engineering

链接: http://pan.baidu.com/s/1c2AzEuc 密码: j8jw

54. 台湾大学:中國古代歷史與人物--秦始皇

链接: http://pan.baidu.com/s/1boD9nWV 密码: fb99

55. 人类简史:A Brief History of Humankind

链接: http://pan.baidu.com/s/1mibD2vY 密码: pbx6

最后再推荐一个神器:coursera-dl-all

Extend the Coursera Downloader by downloading quizzes and assignments (and hopefully forum posts soon!). Uses coursera-dl in the process.

作为Coursera Downloader的扩展,可以下载问题和作业,今晚才发现,有点迟了,感兴趣的同学可以试用一下,这确实是一个很好的补充。

注:原创文章,转载请注明出处“课程图谱博客”:http://blog.coursegraph.com

本文链接地址:http://blog.coursegraph.com/coursera课程下载和存档计划五

Coursera课程下载和存档计划四:计算机科学基础公开课

本期整理了CS领域的基础课程,包括算法,数据结构,操作系统,计算机体系结构,计算机网络,编译原理,自动机,数据库等相关的14门课程资源。这些公开课资源一些来自于之前课程图谱群内朋友的或者微博上的朋友的分享,另外一些这里做了下载补充,主要针对Coursera旧课程平台的课程进行备份和分享,对于一些已经迁移至新课程平台的课程,希望大家直接去Coursera新课程平台上去上课,这样会有更好的学习体验。最后特别说明的是,课程网盘资源仅供个人备份学习使用。

关于“Coursera课程下载和存档计划”,请参考:

  1. Coursera Downloader 下载工具
  2. Coursera课程速查表
  3. 机器学习 & 自然语言处理 & 推荐系统 & 数据挖掘相关公开课

以下是按几个类别整理的相关课程资源,相关信息我们也会同步到“Coursera Archive”项目上去:

算法&数据结构相关课程:

15、斯坦福大学 Tim Roughgarden Algorithms: Design and Analysis, Part 1(算法设计与分析上)

该课程在课程图谱上的5个评价都很高,不过对应的的Coursera旧平台主页已经消失,新平台课程主页已经启动,貌似是7月11号开课,感兴趣的同学可以关注:

https://www.coursera.org/learn/algorithm-design-analysis

提供一个之前大家的分享版本:

链接: http://pan.baidu.com/s/1qY8ELmG 密码: ntyb

16、斯坦福大学 Tim Roughgarden Algorithms: Design and Analysis, Part 2(算法设计与分析下)

与上部课程是姊妹篇,课程图谱上的评价依然很高,据说难度更大。同样Coursera主页已经消失,新课程平台已经启动:

https://www.coursera.org/learn/algorithm-design-analysis-2

提供一个之前保存的分享:

链接: http://pan.baidu.com/s/1nvtlPk1 密码: 5m4a

17、普林斯顿大学 Robert Sedgewick & Kevin Wayne Algorithms, Part I(算法上)

该课程在课程图谱上的关注度和评价极高,授课老师之一是Robert Sedgewick, 斯坦福大学博士,导师为Donald E. Knuth(高德纳),从1985年开始一直担任普林斯顿大学计算机科学系教授,曾任该系主任,他的同名书籍与高德纳TAOCP一脉相承,广受欢迎。

提供的网盘链接包含两个版本,均为之前大家的分享:

链接: http://pan.baidu.com/s/1gfHeDoB 密码: tvwj

18、普林斯顿大学 Robert Sedgewick & Kevin Wayne Algorithms, Part II(算法下)

与上面的课程是姊妹篇,评价依然很高,难度更上一层。提供的网盘链接包含两个版本,均为之前大家的分享:

链接: http://pan.baidu.com/s/1nuV5qMt 密码: b73q

19、普林斯顿大学 Robert Sedgewick Analysis of Algorithms(算法分析)

依然Sedgewick大神的算法课程,偏算法分析层面,这里下载了一份作为备份:

链接: http://pan.baidu.com/s/1slKieDJ 密码: 2pg4

20、普林斯顿大学 Robert Sedgewick Analytic Combinatorics(组合分析)

依然Sedgewick大神的算法课程,偏算法分析的数学层面,这里下载了一份作为备份:

链接: http://pan.baidu.com/s/1ge4Dj8J 密码: qnw5

21、北京大学 Wanling Qu 算法设计与分析 Design and Analysis of Algorithms

北大的算法和课程,中文授课,下载了一份作为备份:

链接: http://pan.baidu.com/s/1qXRv16G 密码: bvcn


计算机系统相关课程

22、华盛顿大学 Luis Ceze & Gaetano Borriello The Hardware/Software Interface

程序员名著CSAPP(深入理解计算机系统)的配套課程,课程图谱上的评价很高,提供的网盘资源包括之前大家分享的3个版本:

链接: http://pan.baidu.com/s/1jIyHFvg 密码: ptjw

23、普林斯顿大学 David Wentzlaff Computer Architecture(计算机体系结构)

这里下载了最近一轮课程资源作为备份:
链接: http://pan.baidu.com/s/1i5xxO1J 密码: kdx5

24、北京大学 Chen Xiangqun 操作系统原理(Operating Systems)

北大的课程,汉语授课,下载了一份课程资源作为备份:

链接: http://pan.baidu.com/s/1jINKm5w 密码: jiqj

计算机网络相关公开课

25、华盛顿大学 David Wetherall & Arvind Krishnamurthy & John Zahorjan Computer Networks(计算机网络)

课程图谱上公开课大神 @wzyer 的部分点评:

这门课是现今所有mooc平台上最全面的一门介绍计算机网络的课程。课程以网络的OSI七层模型为主线,全面覆盖了支撑现有互联网的各种基础架构和协议。其中又有重点地讲解了 TCP/IP,HTTP,802.11等常用基础协议,目的是使所有上完课的同学,都能够对于数字信号如何在网络上传播有一个清晰的认识。就我自己上完课的感受来说,这门课完全能够完成这个任务。

这里下载了一个课程资源作为备份:

链接: http://pan.baidu.com/s/1qY07unq 密码: wgtk

编译原理相关课程

26、斯坦福大学 Alex Aiken Compilers(编译原理)

课程图谱上一个朋友的点评:

Aiken教授讲东西很清楚。每周的quiz基本上是不限制attempt次数,自己理解会做了就能拿满分。编程作业是比较传统的四个stage,lexing/parsing/type-checking/codegen。后面两个作业比较花时间,但是不难。编译器最有趣的优化部分也没有要求,实现个one register stack machine就可以通过最后一个作业了。他提供的codebase比较古老,给的是non-modern C++/Java。我因为想熟悉一下Java 8就执意用上了各种新功能(所以花了不少时间查文档,不做死就不会死啊)

这里下载了最近一轮课程资源作为备份:

链接: http://pan.baidu.com/s/1kUXBsjl 密码: prs4

27、斯坦福大学 Jeff Ullman Automata(自动机)

依然是大神 Jeff Ullman 的课程,CSDN上有篇博文”一些牛人榜样,多看看他们写的东西“,其中是这样介绍的计算机大师Jeffrey D. Ullman的:

数据库理论、自动机理论、编译原理大师。他的《Automata Theory, Languages, and Computation》让我真正的进入了计算机基础理论的世界。《Compilers: Principles, Techniques, and Tools 》让编译器不再神奇,让我也能写出自己的编译器。《A First Course in Database Systems》让我对数据库的了解从应用进入了理论的深度,可以说Ullman是我在计算机理论方面的启蒙老师,他的书教给了我计算机世界最奇妙最基础最有趣的东西。

这里下载了一个最近一轮课程资源作为备份:

链接: http://pan.baidu.com/s/1minivtm 密码: p154

28. 斯坦福大学 Jennifer Widom Introduction to Databases(数据库导论)

Coursera上最早的一批的课程,后转为”Self Study”模式,提供一份课程资源作为备份:

链接: http://pan.baidu.com/s/1slcOHNR 密码: 7d9c

注:原创文章,转载请注明出处“课程图谱博客”:http://blog.coursegraph.com

本文链接地址:http://blog.coursegraph.com/coursera课程下载和存档计划四

Coursera课程下载和存档计划三:机器学习 & 自然语言处理 & 推荐系统 & 数据挖掘相关公开课

周末对之前保存和下载的Coursera课程做了一下整理和归类,先送出机器学习、自然语言处理、推荐系统和数据挖掘相关的14门课程资源。这些公开课资源很多来自于之前课程图谱群内朋友的或者微博上的朋友的分享,这里做了一些补充,主要针对Coursera旧课程平台的课程进行备份和分享,对于一些已经迁移至新课程平台的课程,希望大家直接去Coursra新课程平台上去上课,这样会有更好的学习体验。最后特别说明的是,课程网盘资源仅供个人备份学习使用。

关于“Coursera课程下载和存档计划”,请参考:

  1. Coursera Downloader 下载工具
  2. Coursera课程速查表

以下是按几个类别整理的相关课程资源,相关信息我们也会同步到“Coursera Archive”项目上去:

机器学习相关课程:

1、斯坦福大学 Andrew Ng 机器学习 (Machine Learning)

该课程已经在Coursera新的课程平台上发布(https://www.coursera.org/learn/machine-learning),在线的课程资源依然会得到保留,优先推荐在线学习,可以做练习,可以提交作业,这里分享的百度网盘资源包含两个版本,来自于之前大家的分享:

链接: http://pan.baidu.com/s/1pLCe31p 密码: tjfg

2、华盛顿大学 Pedro Domingos 机器学习 (Machine Learning)

该课程一直没有开课,但是可以preview,视频量很足,类容丰富,用Coursera Downloader下载后大约5G,是目前所有课程下载中占用空间最大的。

链接: http://pan.baidu.com/s/1gfx1GaB 密码: 6gee

3、台湾大学 林軒田 机器学习基石 (Machine Learning Foundations)

该课程在课程图谱上的评价很高,10条评价全是五星,而且评论都很精彩。据说林老师现在创业去了,这门课说不定也会成为绝版,赶紧收藏吧,有三个版本,来自于之前大家的分享或者网上的公开资源。

链接: http://pan.baidu.com/s/1hsmAsNq 密码: kxfj

4、台湾大学 林軒田 机器学习技法(Machine Learning Techniques)

机器学习基石 (Machine Learning Foundations)课程姊妹篇,或者下部,难度依然很高,所以货真价实,值得收藏。

链接: http://pan.baidu.com/s/1bpHSAPD 密码: abye

5、多伦多大学 Geoffrey Hinton 面向机器学习的神经网络(Neural Networks for Machine Learning)

Geoffrey Hinton大神在Coursera上的这门课程只在2012年开过一轮,这次应该不会进行迁移了:

“Deep learning必修课”

“宗派大师+开拓者直接讲课,秒杀一切二流子”

看看上面的点评,对深度学习感兴趣的同学赶紧保存,本次分享包含两个版本,均为之前大家的分享:

链接: http://pan.baidu.com/s/1dFHO7mh 密码: a427

update: 链接: https://pan.baidu.com/s/1pLivB1h 密码: 6dkd

6、斯坦福大学 Daphne Koller 概率图模型公开课(Probabilistic Graphical Models)

这次应该也不会迁移了,想当年多少大神在Coursera上开课。。。本次分享有两个版本,来自于之前大家的分享和网络上的可查资源:

链接: http://pan.baidu.com/s/1sl7qGUh 密码: 88tj

Update: 链接: https://pan.baidu.com/s/1geIn5wZ 密码: vq85


自然语言处理相关课程

7、哥伦比亚大学 Michael Collins 自然语言处理公开课(Natural Language Processing)

NLP大神的课程,必须备份,来自之前一个朋友的分享:
链接: http://pan.baidu.com/s/1hsbKYK8 密码: ines

Update: 链接: https://pan.baidu.com/s/1c2JpM28 密码: 9dwx

8、斯坦福大学 Dan Jurafsky和Christopher Manning 自然语言处理(Natural Language Processing)

这门课程的授课老师是斯坦福教授Dan Jurafsky和Christopher Manning,两位都是NLP领域的大大牛,其他不说,仅仅是他们写的书应该是很多NLPer的入门书:前者写了《Speech and Language Processing》,中文译名《自然语言处理综论》,后者写了《Foundations of Statistical Natural Language Processing》,中文译名《统计自然语言处理基础》,这两本几乎是NLPer的入门必读书籍。

用coursera-dl下载了一份并上传到百度网盘备份,需要的同学尽快保存:

链接: http://pan.baidu.com/s/1jHKfXQm 密码: s6hx

Update: http://pan.baidu.com/s/1nvbEOFf 密码: pjzd

9、密歇根大学 Dragomir R. Radev Introduction to Natural Language Processing(自然语言处理导论)

这门课程了解不是太多,下载了一份作为备份:

链接: http://pan.baidu.com/s/1nu5MFVj 密码: 3t3h

10、伊利诺伊大学厄巴纳香槟分校 翟成祥(ChengXiang Zhai) Text Mining and Analytics(文本挖掘与分析)

这门课程已经切换到Coursera新课程平台:https://www.coursera.org/learn/text-mining ,最新一轮课程将于2016年7月11号开课,推荐感兴趣的同学直接在线学习,体验MOOC平台的诸多好处。

推荐系统相关课程:

11、明尼苏达大学 Joseph Konstan 和 Michael D Ekstrand Introduction to Recommender Systems(推荐系统导论)

这门课程已经切换到Coursera新课程平台:https://www.coursera.org/learn/recommender-systems ,最新一轮课程刚刚于2016年6月13号开课,推荐感兴趣的同学直接加入学习。以下提供一个网盘资源,是一个全部课程的打包压缩文件:

链接: http://pan.baidu.com/s/1pLy7uvL 密码: ui1u

数据挖掘相关课程

12、斯坦福大学 Jeff Ullman & Anand Rajaraman & Jure Leskovec Mining Massive Datasets

这门课程的授课老师之一是巨牛Jeff Ullman,他是计算机领域鼎鼎大名的“龙书”《编译原理》及数据库领域权威指南《数据库系统实现》这两本书的作者之一,谷歌创始人Sergey Brin亦是他的学生之一。该课程对应一个官方主页:http://www.mmds.org/,提供课程和书籍的相关资源,全部开放。所对应的同名书籍中文译名为《大数据 互联网大规模数据挖掘与分布式处理》,由王斌老师翻译,已出第二版。网盘资源来自于大家的分享,包括两个版本和一个英文版电子书籍:

链接: http://pan.baidu.com/s/1c81pRC 密码: e25n

13、伊利诺伊大学厄巴纳-香槟分校 Jiawei Han Pattern Discovery in Data Mining(数据挖掘中的模式发现)

授课老师 Jiawei Han 是数据挖掘领域国际知名学者,这门课程目前已经迁移到Coursera新的课程平台 https://www.coursera.org/learn/data-patterns ,新一轮课程将于8月底开课,感兴趣的同学可以关注。

14、伊利诺伊大学厄巴纳-香槟分校 Jiawei Han Cluster Analysis in Data Mining(数据挖掘中的聚类分析)

同上一门课程构成姊妹篇,目前也已经迁移到Coursera新的课程平台 https://www.coursera.org/learn/cluster-analysis ,新一轮课程将于10月初开课,感兴趣的同学可以关注。

注:原创文章,转载请注明出处“课程图谱博客”:http://blog.coursegraph.com

本文链接地址:http://blog.coursegraph.com/coursera课程下载和存档计划三

Coursera课程下载和存档计划二:Coursera课程速查表

基于课程图谱Coursera爬虫过了一遍目前Coursera旧平台的课程数据,提取其中几个有用信息作为Coursera课程下载的速查表,大家可以基于coursera-dl和课程短连接(Session Slug)下载相关的课程,具体下载方法可参考上一篇文章:Coursera课程下载和存档计划(一)

另外新建了一个 Github 项目:Coursera Archive,提供Markdown和Excel两个版本的list。之后计划将相关的网盘信息也汇总上去,欢迎大家一起参与下载和分享。

总计516个课程,具体信息可参考下表:
继续阅读

Coursera课程下载和存档计划一:Coursera Downloader 下载工具

上周三收到Coursera平台的群发邮件,大意是Coursera将在6月30号彻底关闭旧的课程平台,全面升级到新的课程平台上,一些旧的课程资源(课程视频、课程资料)将不再保存,如果你之前学习过相关的课程,或者有心仪的课程,Coursera建议你将这些课程资源下载下来备份。

说实话,自从Coursera这一两年逐渐进行“商业升级”以后,我已经很少在这个平台上学习公开课了,反而是edX的一些课程更吸引我,特别是课程质量,后者显得更用心很多。不过作为最早的MOOC平台Coursera,曾经诞生了很多经典课程,要是这些课程真的随Coursera平台的切换而丢失,实在可惜。这里曾经整理过一批“公开课可下载资源汇总”,很多来自于大家的贡献和分享,不过这也是两三年前的事情,一些课程网盘资源已经失效,这封邮件促使我开始检查这些网盘资源,特别是来自Coursera平台的课程资源。之前有些课程资源没有下载或者没有网盘资源,以为只要有Coursera账号,就可以随时登陆上去在线观看就可以了,也没有下载的欲望,现在不同了,例如斯坦福大学Dan Jurafsky和Christopher Manning的自然语言处理课程,例如一直没有开课却可以preview观看的大牛Pedro Domingos的机器学习课程,下载和备份是必须的。

工欲善其事,必先利其器,针对Coursera的下载工具有很多,包括一些浏览器插件,不过这里推荐的是Python下载工具Coursera Downloader, 简称coursera-dl。这个神器早在几年前我就用过,印象深刻,这次重拾,依然非常方便给力。最简单的安装方法是“pip install coursera”,可参考github上该项目的安装说明。下面以Mac OS系统为例简单说明一下基于virtualenv的安装使用方法,该方法对ubuntu这样的linux系统应该有效,windows下没有测试,未知。

首先从github上获取代码,git clone或者直接下载zip源码文件均可:

git clone https://github.com/coursera-dl/coursera-dl

Cloning into ‘coursera-dl’…
remote: Counting objects: 3357, done.
remote: Compressing objects: 100% (14/14), done.
remote: Total 3357 (delta 6), reused 0 (delta 0), pack-reused 3343
Receiving objects: 100% (3357/3357), 1.39 MiB | 75 KiB/s, done.
Resolving deltas: 100% (1852/1852), done.

cd coursera-dl/

virtualenv my-coursera

New python executable in /Users/xxxxxx/project/mooc/test/coursera-dl/my-coursera/bin/python
Installing setuptools, pip, wheel…done.

source my-coursera/bin/activate

pip install -r requirements.txt

Collecting beautifulsoup4>=4.1.3 (from -r requirements.txt (line 1))
…..
Installing collected packages: beautifulsoup4, six, html5lib, requests, urllib3, pyasn1, keyring
Successfully installed beautifulsoup4-4.4.1 html5lib-1.0b8 keyring-9.0 pyasn1-0.1.9 requests-2.10.0 six-1.10.0 urllib3-1.16

安装完毕,以下是coursera-dl的详细用法:

General: coursera-dl -u -p modelthinking-004
Multiple classes: coursera-dl -u -p saas historyofrock1-001 algo-2012-002
Filter by section name: coursera-dl -u -p -sf “Chapter_Four” crypto-004
Filter by lecture name: coursera-dl -u -p -lf “3.1_” ml-2012-002
Download only ppt files: coursera-dl -u -p -f “ppt” qcomp-2012-001
Use a ~/.netrc file: coursera-dl -n — matrix-001
Get the preview classes: coursera-dl -n -b ni-001
Specify download path: coursera-dl -n –path=C:\Coursera\Classes\ comnetworks-002
Display help: coursera-dl –help

Maintain a list of classes in a dir:
Initialize: mkdir -p CURRENT/{class1,class2,..classN}
Update: coursera-dl -n –path CURRENT `\ls CURRENT`

我们以Coursera上密歇根大学的“自然语言处理入门”课程为例,在旧的课程课程主页“Introduction to Natural Language Processing”,首先需要加入(Enroll)该课程的一个班次,目前只有2015年10月到12月开过一轮课,加入该轮课程后,进入到课程详细页面,可以看到网页链接类似这个形式:

https://class.coursera.org/nlpintro-001/lecture

对于Coursera Downloader来说,主要需要的就是这个”nlpintro-001″课程班次短链接,然后就可以尝试下载了,这里用 –path指定了课程下载路径:

coursera-dl -u 用户邮箱 -p 用户密码 --path=../../coursera_backup/ nlpintro-001

然后就开始了下载历程。。。。。。可能和网络有关,这个下载有时候会中断或者停止不动假死,coursera-dl提供了一个“Resuming downloads”模式,类似于“断点续传”,非常有用,可以用如下命令恢复之前中断的下载:

coursera-dl -u 用户邮箱 -p 用户密码 --path=../../coursera_backup/ --resume nlpintro-001

这种加入课程然后下载课程资料的方法比较全,除了课程视频外,还可以下载课程相关的课件和字幕。如果你没有加入课程,Coursera Downloader提供了一个下载preview课程的方法,不过只能下载课程视频,但是前提是你必须有Coursera账号。以一直没有开课却可以preview观看的大牛Pedro Domingos的机器学习课程为例,点击该课程主页Machine Learning上的”Preview lectures”按钮,即可得到课程预览链接“https://class.coursera.org/machlearning-001/lecture/preview”,按照Coursera Downloader上的方法,需要预先在用户主目录下设置一个 ~/.netrc 文件,文件格式如下:

machine coursera-dl login 用户邮箱 password 用户密码

非常重要的是,你需要把设置一下 ~/.netrc 的权限:

chmod og-rw ~/.netrc

否则,会遇到如下的错误,我已经踩过这个坑了:

~/.netrc access too permissive: access permissions must restrict access to only the owner

之后就可以用如下命令下载preview的课程视频文件了:

coursera-dl -n -b --path=../../coursera_backup/ machlearning-001

希望大家用这个工具或其他工具尽快保存Coursera自己心仪的课程,如果方便的话,上传到相关的网盘,做个分享,一方面自己做个备份,另一方便方便大家共享学习资源。这里先附上已经整理的5门Coursera公开课资源,部分课程资源还在下载和上传中,之后将陆续整理发布。

1、机器学习课程 by Andrew Ng

该课程已经在Coursera新的课程平台上发布(https://www.coursera.org/learn/machine-learning),在线的课程资源依然会得到保留,这里分享的百度网盘资源包含两个版本,来自于之前大家的分享:

链接: http://pan.baidu.com/s/1miMZHQo 密码: aeck

2、面向机器学习的神经网络(Neural Networks for Machine Learning)by Geoffrey Hinton

Geoffrey Hinton大神在Coursera上的这门课程只在2012年开过一轮,这次应该不会进行迁移了:

“Deep learning必修课”

“宗派大师+开拓者直接讲课,秒杀一切二流子”

看看上面的点评,对深度学习感兴趣的同学赶紧保存,本次分享包含两个版本,均为之前大家的分享:

链接: http://pan.baidu.com/s/1sk9cgK9 密码: ndm9

3、Daphne Koller教授的“概率图模型公开课(Probabilistic Graphical Models)

这次应该也不会迁移了,想当年多少大神在Coursera上开课。。。本次分享为之前一个朋友的共享:

链接: http://pan.baidu.com/s/1kVpRMKn 密码: 244s

4、Michael Collins大神的“自然语言处理公开课(Natural Language Processing)

NLP大神的课程,必须备份,来自之前一个朋友的分享:

链接: http://pan.baidu.com/s/1kV72IhT 密码: fxjw

5、斯坦福大学Dan Jurafsky和Christopher Manning两位大牛的“自然语言处理公开课(Natural Language Processing)

这门课程的授课老师是斯坦福教授Dan Jurafsky和Christopher Manning,两位都是NLP领域的大大牛,其他不说,仅仅是他们写的书应该是很多NLPer的入门书:前者写了《自然语言处理综论》,后者写了《统计自然语言处理基础》。

我用coursera-dl下载了一份并上传到百度网盘备份,需要的同学尽快保存:

链接: http://pan.baidu.com/s/1hrGMbkg 密码: a2w5

附Coursera邮件内容:

Save course materials for some courses by June 30

Dear XXX,

We wanted to inform you of an update to our technology platform that will affect access to some courses you previously joined.

In 2014, Coursera began developing a new technology platform to improve your learning experience, and to allow courses to run more frequently. The majority of our courses are now offered on the new platform.
This month, we are closing the old platform. One or more courses you joined are on the old platform.
Effective June 30, 2016, courses on the old platform will no longer be available. You should use this opportunity to save any relevant course materials or assignments.

How does this affect my courses?

Any courses and course materials on our old platform will no longer be accessible after June 30. Until that date, we encourage you to save any content you need for personal use and reference.
Any courses on the new platform will not be affected by this change.

Will this affect earned Certificates?
All Statements of Accomplishment (SoA) and Verified Certificates will remain accessible in your Accomplishments page, as long as you do not unenroll from courses you have completed on the old Cplatform. You are also welcome to download a copy for your records at any time. Statements and Certificates that you have shared to LinkedIn will also be maintained on your LinkedIn profile after June 30.

How do I know if a course is on the “old platform”?

If you aren’t sure which platform a course is on currently, navigate to the course and check the URL in the browser bar – courses on the old platform have URLs that begin with class.coursera.org (rather than then new platform, which uses the URL coursera.org/learn.)

How do I save course materials?

To save course materials from the old platform for reference:
• Download any lecture slides or videos that you would like to save for reference
• Save a record of your quizzes and other assignments by taking screenshots

More questions?

If you have a technical issue with your account, please visit our Help Center.
Thank you for being a part of our learning community, and for your patience and understanding through this product transition! We are excited to continue to improve the learning experience on Coursera, and we look forward to bringing you more great courses on the new platform.

注:原创文章,转载请注明出处“课程图谱博客”:http://blog.coursegraph.com

本文链接地址:http://blog.coursegraph.com/coursera课程下载和存档计划一

2014年9月份MOOC部分热门课程汇总

又到了一年的开学季,几大MOOC平台又有不少质量很高的课程轮番推出,本文将对9月已经或者即将开设的偏向计算机科学类的课程进行一个简单的选择和汇总,各位可以从中选取自己感兴趣的课程。

Coursera:

1. 杜克大学的 Data Analysis and Statistical Inference

本课讲授比较基础的统计学,但不同于传统的统计学内容,本课将很大一部分精力用在锻炼学生的实际动手能力。部分课程练习是在一个叫“DataCamp”的平台上完成的,力求学生能够通过实际练习解决现实中的问题。

2. 斯坦福大学的 Automata

本课属于比较传统的计算机科学理论课程,讲授了计算理论和复杂度方面的内容,讲师是个传奇人物,对纯粹的计算理论感兴趣的朋友不要错过这门课程。

3. 加州理工学院的 The Caltech-JPL Summer School on Big Data Analytics

本课不同于一般的课程,由一系列的讲座组成,讲述了数据分析领域的一些常用概念,属于比较偏向实务的课程。本课没有限制时间,也没有作业和证书。

4. 普林斯顿大学的 Algorithms, Part I

普林斯顿的数据结构是一门很有口碑的课程,本课的内容作为普林斯顿大学翻转课堂的材料,课程的内容和作业和该校校内基本一致。对于算法和数据结构感兴趣的朋友,这门课是非常不错的选择。唯一遗憾的是课程不提供证书。

5. 香港中文大学的 Information Theory

目前互联网上关于信息论的课程屈指可数,本课是为数不多系统讲授信息论的课程,感兴趣的朋友可以了解一下。

6. 台湾大学的 計算機程式設計 (Computer Programming)

这门课程是台湾大学计算机专业的基础课程,在台大拥有很好的口碑。课程用C语言教授,内容和国内大部分学校同类课程相似,初学计算机编程的同学不要错过这门华语课程。

7. 佐治亚理工学院的 Computational Investing, Part I

本课讲授基础的量化投资概念,属于比较偏向实务的课程。课程内容本身其实没有难度,面向有一定编程基础的同学。

8. 北京大学的 Introduction to Computing 计算概论A

来自北京大学的计算概论是又一门关于计算机基础理论的课程,适合对计算机编程感兴趣的同学作为入门课程。

9. 莱斯大学的 An Introduction to Interactive Programming in Python

又是一门关于计算概论的课程,本课通过一步步制作一款小游戏的方式,逐步介绍编程的基本概念。本课在世界范围内获得了极高的评价,不同于国内计算导论的课程,本课使用容易上手的Python语言,相信对于初学编程的同学来说这门课程将是非常棒的选择。

10. UCSD的 Bioinformatics Algorithms (Part 1)

这是一门关于生物信息学的课程,不需要生物学的背景知识,如果之前修习过算法的同学会觉得这门课程非常亲切。该课属于算法在生物学中的应用,通过本课可以提升自己的编程技巧。

11. EPFL的 Functional Programming Principles in Scala

EPFL的这门课程之前已经在Coursera上开设多轮,也是很多人初次接触Scala甚至是函数式编程的启蒙课程。课程的讲师是Scala的发明人,经典的课程再次启程。

12. 马里兰大学的 Usable Security

本课是马里兰大学在Coursera上开设的“Cybersecurity”系列的第一门课程,主要讲述从产品角度如何涉及一个安全的软件和系统。对安全领域感兴趣的朋友不要错过这门课程。

13. 北京大学的 操作系统与虚拟化安全

来自北大的操作系统课程,对操作系统以及安全领域感兴趣的朋友可以关注一下这门课程。

14. 斯坦福大学的 Machine Learning

虽然本课的讲师Andrew Ng已经离开Coursera加入百度,成为百度首席科学家,但是他给世界上对机器学习感兴趣的人留下的财富至今延续。经典的课程无需多做解释。

15. 台湾大学的 機器學習基石 (Machine Learning Foundations)

原汁原味的机器学习课程,在Coursera上的本课与台湾大学的线下课程同步。有一定难度,但如果坚持学习下来将会受益匪浅。

16. 斯坦福大学的 Mining Massive Datasets

据说该课原来属于斯坦福大学的收费在线课程,如今搬到了Coursera上免费提供给全世界。本课讲授了大数据技术的方方面面,对于数据分析感兴趣的朋友一定不要错过这门课程。

edX:
1. 清华大学的 电路原理 (开课时间:9.15)

本课是首批华语MOOC课程之一,一经上线便好评如潮。目前互联网上已经有数门关于电路原理的课程,包括MIT的6.002X。本课拥有与6.002X相媲美的质量,是国内大学生学习电路原理的不二选择。

2. 清华大学的 数据结构 (开课时间:9.16)

清华大学的数据结构一经上线便受到了一致的好评,课程内容接近清华校内线下课程的难度,推荐给渴望接触到国内最高学府知识的同学。

3. 比利时UCL大学的 Paradigms of Computer Programming – Fundamentals (开课时间:9.22)

这是一门关于编程范式的课程,对于日后期望从事软件开发或者在职工程师而言,这门课程能够为日后的开发生涯打下扎实的基本功。

4. 香港科技大学的 A System View of Communications: From Signals to Packets (Part 1) (开课时间:9.23)

本课是香港科技大学电气工程专业(EE)的第一门专业基础课程,对电子通信感兴趣的朋友不要错过这门课程。

5. 加州理工学院的 Learning From Data (开课时间:9.25)

本课的讲师和台湾大学机器学习课程的林轩田老师有很深的渊源,前者是后者的导师。本课制作精良,内容有深度,与台大的机器学习有相当的重合度。

6. 北京大学的 魅力机器人 | The Fascinating World of Robots and Robotics (开课时间:9.30)

来自北京大学的机器人课程,对机器人领域感兴趣的朋友可以关注一下这门课程。

2014年4月份MOOC部分热门课程汇总

近期MOOC的内容呈现出爆炸式的增长,各式各样的课程让人应接不暇。本文将对各大平台4月份预计比较热门的课程进行简单的汇总,各位可以根据自身的需求挑选合适的课程。

Coursera平台:

1. 美国西北大学的Everything is the Same: Modeling Engineered Systems 将于4月6日开课。本课主要讲述一些简单的物理工程实例,对物理学、工程学感兴趣的朋友可以关注。同时这门课程中会穿插Matlab和Python的内容,适合懂得一点编程的朋友。

2.马里兰大学的Exploring Quantum Physics将于4月7日开课,本课讲述的是量子物理。目前讲述量子物理方面的课程还不多,这门课或许是个不错的选择

3. 约翰霍普金斯大学的Getting and Cleaning Data将于4月7日开课。本课属于约翰霍普金斯大学 Data Science Specialization(“微专业”)的一部分

4.约翰霍普金斯大学的R Programming将于4月7日开课。本课属于约翰霍普金斯大学 Data Science Specialization(“微专业”)的一部分,R语言日益成为数据分析领域的首选工具,本门课程可以作为对这个工具入手的入门课程。

5. 约翰霍普金斯大学的The Data Scientist’s Toolbox将于4月7日开课。本课属于约翰霍普金斯大学 Data Science Specialization(“微专业”)的一部分,主要介绍了目前数据分析中会经常用到的工具,例如:Github,  MarkDown, R Console, R Studio等等

6. 上海交通大学的“唐诗宋词人文解读”将于4月8日开课。课程从喜闻乐见的唐诗宋词入手,触摸一段历史与一群文人的体温,领悟人生旅途的趣味和智慧。

7. 上海交通大学的“媒介批评:理论与方法”将于4月8日开课。“媒介批评”是现代大众传播学的重要分支,简单而言,就是批评媒介,是 对大众传播媒介本身进行批评,属于应用传播学的研究领域。

8. 密歇根大学的Programming for Everybody将于4月10日开课。在众多编程基础课中这门课属于新的成员,适合编程零基础的朋友。

9. 慕尼黑大学的Competitive Strategy将于4月11日开课:

@ototsuyume:

其实就是简单易懂的博弈论入门,课程量少老师讲得作业难度不高而且每道题都有说明,大概是大学里面公共通选课的难度,有空可以看看

10.科罗拉多大学博尔德分校的Physics 1 for Physical Science Majors将于4月14日开课。本课属于比较传统的大学物理,之前获得了不错的反响

11.慕尼黑大学的Introduction to Mathematical Philosophy将于4月14日开课。在现代的哲学研究中越来越多的需要思考很多底层的问题,在这期间免不了需要思考很多数学层面的问题,本课推荐给对数学或哲学领域感兴趣的朋友。

12.匹兹堡大学的Warhol将于4月21日开课。出生于匹兹堡市的Andy Warhol是20世纪最伟大的艺术家之一,波普艺术的创始人,对当代的艺术和文化产生了巨大的影响。本课将介绍Andy Warhol的生平和作品,让大家一睹大师的风采。

13.香港中文大学的“中國人文經典導讀”将于4月24日开课。本課程是以四堂演講的方式,分別討論中國文化的四個主要面向,彙文學、歷史、哲學、藝術于一爐。每一個主題以一篇或兩篇經典文本爲基礎,指導學生如何精讀作品,學習以欣賞和批判的雙重角度重新解讀經典,同時獲得對中國文字的陶冶和享受。它本爲大學一年級學生所設,但不限於中文系本科專業,希能為學生鑒賞中國傳統文化開啟新的視野。

14.瑞士洛桑联邦理工学院(EPFL)的Functional Programming Principles in Scala将于4月25日开课。本课之前几轮获得了极高的评价,主要通过Scala语言讲述函数式编程的思想。本课的讲师正是Scala语言的发明人。

15. 斯坦福大学的Algorithms: Design and Analysis, Part 1将于4月29日开课:

@超級現實的超現實理想主義者:

这门课对我的影响非常大,直接改变了我的思维方式,并且为日后的学习打下了很好的基础。

edX平台

1. MIT的Street-Fighting Math将于4月8日开课。如同街头打架一样,不论你使用什么招式,打架的唯一目的就是寻求胜利。各位接受了多年“严谨”的数学教育,不妨感受一下“Quick and Dirty”的数学方法。

2.哈佛大学的Justice将于4月8日开课。这门“公正”课早在MOOC出现之前就已经红遍国内互联网,想要重温或者学习这门经典课程的朋友不妨关注一下这门MOOC形式呈现的课程。

3.京都大学的The Chemistry of Life将于4月10日开课。该课属于化学和生物的入门课程。

学堂在线:

1. 清华大学的组合数学将于4月10日开课。随着计算机科学的发展,组合数学在这段时间里获得了极大的发展。不同于传统数学领域侧重于“连续”层面,组合数学解决的是“离散”层面的问题。本课将从基础的排列组合开始,逐步深入了解计数问题的不同解决思路,通过对现实生活中计数问题的演绎和学生们共同体会组合计数问题不断抽象深入的挖掘过程,引导学生共同感受数学知识的精妙,从而深入理解组合数学对计算机理论发展的推动作用。

2. 加州大学伯克利分校的云计算与软件工程—第一部分将于4月21日开课。本课的讲师是软件工程和计算机科学领域的大牛,课程主要通过Ruby on Rails等目前热门的互联网开发技术阐述诸如“云计算”、“敏捷开发”等软件工程领域热门的主题。

注:原创文章,转载请注明出处“课程图谱博客”:blog.coursegraph.com

本文链接: http://blog.coursegraph.com/2014年4月份mooc部分热门课程汇总

近一年上的MOOC总结+其他

注:很多同学以为这篇文章是课程图谱写得,所以不得不借用有光同学的宝地做个补充说明:还记得去年 @要有光LTBL 同学的“自学CS总结” 码?,前几天邀请有光同学在课程图谱博客上写一下这一年的MOOC学习之路,然后这篇文章就出炉了 “近一年上的MOOC总结+其他”, 看完后我只有一个问题:还有什么是这些MOOC学霸们不想学的?以下荣耀属于有光同学

先是课程介绍后面是FAQ,最后是关于认知失调的瞎扯,可以随便选一个开始看,或者直接分享。基本上是20多门课吧,CS的应该不到一半。另外由于我语文学得不好所以这些评价都非常散乱而且全都是我个人的意见。没有注明则全部是coursera上面的。

这些是上完了的:

1,Computational Neurosience:计算神经学,学到后面发现我非常喜欢这个领域,怎么说呢,让我有点想读这个领域的PhD的那种喜欢。。。神经网络就是从这里出来的,但是神经网络和人脑除了scale的差距还有其他的差距,这门课都讲到了,印度老师很逗,另一个女老师酷酷的。PA会用一点octave但是基本上非常友好。最后还涉及了一点Brain Computer Interface这种很炫酷的东西。

2, Intro to Data Science:数据科学入门,相当不错的入门课,一上来先定位,后面的东西也都相当实用并且达到了期望,虽然对我来说比较新鲜的就是最后两讲一个是Data Visualization一个是玩了一下Hadoop(当然现在MapReduce已经完全木有任何新鲜感了。。。)指导也很明白。除了在AWS上跑Hadoop之外,PA要求Python,SQL,R,但是都相当基础,话说这三样都是Data Scientist必备技能吧。。。

3, High Performance Scientific Computing:科学计算,非常statistic friendly,因为是在applied math系下面的,对于一些commend line的东西会手把手的教。后面讲了Fortran还有iPython和OpenMP和MPI,都挺新鲜的,尤其可以和MapReduce,GPU computing做一个比较。除开没有certificate这一点之外非常不错。顺便一提这个就是课堂录像,虽然看了好几周我才看出来。。。即使是课堂录像,质量也是有差距的。
题外话:我发现UWashington的课其实都很靠谱啊有木有。。。。

4, Model Thinking:模型思维?总之是一门很多人上过的课,所以我也上了一下。基本上介绍了很多很有意思的结论,比如voting没法达到最优,或者群体意见不是个体意见的平均。。。之类的。课程也很轻松,也和统计,博弈论有不少重叠的部分。另外这门课的课件基本不能看。。。

5,Fundamentals of Audio and Music Engineering:这怎么翻,音乐工程么。。。我主要是冲着其中物理的部分去的,也基本没失望。毕竟中学感觉物理学的很不扎实。这门课肯定涉及了声学的部分,还有不少关于电路的。。。电容,电感应器,交流电之类的。。。最后是可以买材料做个音响的,当然那部分我就忽略了。。。

6,Computer Networks:这也是UW的课,中规中矩,没啥可说的。。。应该是很全面的。5个layer,DNS,什么的。。。总之该涉及到的都涉及到了,还有老师的女儿有时候会从屏幕后面飘过哈哈哈讨论版上似乎已经有她的粉丝群了XD

7,Maps and the Geospatial Revolution:。。。Penn State的课吧,主要是因为GIS很火所以想上一下,那么。。。其实基本没啥内容的感觉,就是介绍了一个online的叫arcGIS的可以自己玩玩看,虽然其实也蛮强大的。每周的内容其实也就二十多分钟水到无极限。。。但是最后的Project还是做的挺痛苦的。

8,Introduction to Mathematical Philosophy:对于哲学一向没有爱。。。不过看在数学哲学的课上就上了一下。德国的学校吧大概。。。啊其实我也不是特别喜欢纯数学但是。。。前面我觉得很无聊,但是后面有几讲还是蛮有趣的,比如关于belief,还有最后关于voting(再次出现)和量子计算的奇特之处。另外一个感想就是怎么尼玛这么多概率统计的内容。。。感累不爱

9,A Brief History of Humankind:这门课也是非常,非常,非常,非常喜欢的一门课,请注意我真的用了4个非常而不是因为结巴。。。喜欢到什么程度?喜欢到我想付20刀还是40刀搞signature track了。。。影片神级的,老师讲的也非常好,涉及了生物,政治,宗教,经济,科学,心理等等相当多的方面(我知道这个并列有问题= =)。。。当然我之前没认真上过历史课所以这部分不完全可信。但是我真的是这门课的脑残粉。。。

附人类简史结课公告的翻译:
亲爱的同学们:

我们关于人类历史的旅程已经走到了终点,我希望你们跟我一样享受这门课程,并在离开的时候对历史,人类,甚至你自己,有了一个更深刻的理解
人们经常会问,学习历史是为了什么?他们有的时候会想我们学历史是为了预测未来,或者从过去的错误中吸取教训。但是我想我们不是要从过去中学到什么,而是要尽力挣脱它,摘掉历史给我们带来的枷锁。
所有人都出生在一个特定的世界,被某种规律和价值观所统辖,也服从于某种经济和政治规律。由于我们生而如此,我们认为周遭的一切事实都是自然且不可避免的,我们也倾向于认为人们在今天的生活方式,是唯一可能的生活方式。我们很少认识到,我们所熟知的这个世界是一系列偶然历史事件所产生的意外后果,而这不仅决定了我们的科技,政治,和经济,也决定了我们的思维方式,甚至我们的梦想。就好像过去抓着我们的后脑勺,使我们的眼睛只能看到那唯一一种可能的未来。这种力量从我们出生的一刻起就作用在我们身上,所以我们对此毫无知觉。学习历史就是为了弱化这种力量,使我们的头颅能够左右转动,使我们的大脑能够用新的方式去思考,使我们的眼睛能够看到多种多样的未来。
我希望通过引领你们学习人类简史,你们能够感受到历史的枷锁稍微松开了一些。

Yours,
Dr. Yuval Noah Harari

10,Survey of Music Techonology:GeorgiaTech的课,老师有点。。。nerd么,还是怎么说的那种气质。用Reaper,然后试用期内可以完成这门课。。。他们还开发了python的API叫earSketch。除了作曲作业非常蛋疼之外还是很不错的一门课。讲了,比如说前一阵很火的3D音乐是怎么做出来的。。。还有就是DAW的操作之类的,然后如何用Python插入音乐,写新的effect,可惜现在还不支持用Python写MIDI,不然一定会很有趣。另外。。。还有随机作曲,youtube有一个视频下面评论是antimusic我笑了半天。。。

11,Foundations of Business Strategy:商业决策基础,讲five force和各种analysis,其实我觉得还算是有意思的但是精力实在不够所以forum看的不够多。而且感觉也不是很适合学这个。。。最后要选一个公司做analysis(课上讲的不可以,然后居然把Apple和Disney都讲了。。)选公司也有讲头的,如果非上市公司没有数据的话就很难得高分。。。然后我选了我们公司,所以这门课的得分。。。你懂得。。。

12,From the Big Bang to Dark Energy:从大爆炸到暗能量,选这门课一个是因为名字很炫酷,一个是因为是物理课,一个是因为东京大学。教授还好没多少口音。。。而且讲的也算是浅显易懂。作业也不难。涉及到了反物质暗物质暗能量这些,基本上是很尖端的物理了(我猜。。),当时正好刚讲到希格斯玻色子这玩意就获诺贝尔奖了,当时感觉还挺与时俱进的哈哈

13,Functional Programming Principles in Scala:Scala创始人讲FP和Scala。。。没啥好说的,好课一门,不上可惜。Scala给我的感觉是很强大,但是为了方便加了很多杂七杂八的特性。。。容易忘,而且不是非常统一的感觉。

14,Introduction to Engineering Mechanics:静力学基础,没啥好说的。。。来回来去强调力平衡和力矩平衡(这个好像我们不常讲),所以也要强调受力点这些。如果单看这门课的话应该是一般般。。。顺便这也是GeorgiaTech的,GT给我感觉就是教学的目标清楚明白。而且段落之间的区别非常明显。然后这个老师之前是在西点军校。。。

15,Computer Architecture:Princeton的课,木有SoA。。。当然,也是课堂录像。。。所以我也没特别好好上,尤其prereq没有上有的地方听的云里雾里的,比如cache啥的,这方面完全一点基础都没有。。。但是还是听明白一些基本内容的,比如那些个pipeline,superscalar,还有一些trade-off。但是必须说老师讲的还是相当好的。

16,Neuroethics:神经伦理,当时期待了好久。。。UPenn的课。老师很老了。。。然后课程质量也一般,就是对着镜头讲故事,其实听录音效果也差不多,问题是这个音频不仅音量小而且杂音大。。。虽然都知道老师很不容易但是。。。我觉得没多少涉及到伦理的东西,没有听到我想听到的比较深刻的讨论。。。

17,General Game Playing:简评:Stanford在coursera上的平均表现因为这门课降低了一个档次落到了台大之后。GGP其实是个挺有趣的概念,希望能有一个Player,接收规则,然后能对这种规则做出反应。这应该是AI的未来吧,AI Planning里面也涉及到了类似的比如对规则的表达,都很接近。这门课的缺点:1,大哥每周也就20min的视频逗我呢?2,20min也就算了这讲的也太浅了吧。。。monte carlo这种事情都是倒数第二周才讲的有木有搞错!!虽然最后一个propnet还是很高大上的。3,20min就算了请至少把syllabus cover了吧!说要讲的时间控制你妹的在哪呢在哪呢!4,quiz还经常出错。。。

18,The Role of Renminbi in the International Monetary System:人民币在国际货币体系中的地位,作为一个爱国的小伙伴看到这么霸气的题目自然毫不犹豫的选了。香港什么大学开的。。。讲师好像很牛逼的样子虽然我不认识。这门课也是课堂视频,而且我怀疑就是两三次讲座。。。然后剪吧剪吧就变成4周的课了。总体来说还可以接受但是大师,虽然我知道您是香港人这也是香港的大学,但是能不能不要讲这么多关于那港币的事情。。。

19,Analysis of a Complex Kind:复分析入门,总的来说是相当有趣的课,而且讲的也不难,德国女数学老师啧啧。。。非常推荐。讲了分析的一些基本问题还一些很奇特的性质,还讲了Julia set(就是那个很有名的分形图)是怎么出来的。就是上完了会感觉数学真有趣真奇妙的那种特别好的课。

20,Automata:Jeff Ullman大牛开课。。。虽然我觉得讲课的水平也就一般。一开始RE和finite state machine,后面是CFG和PDA,最后是Turing Machine和NP相关的。因为上过Programming Language所以前一半基本就是复习,Theoretical Computer Science也上过所以NP基本也是复习。。。Turing Machine还是很有趣的不过,而且最后还讲了如果发现了NP=P的算法应该如何处理(捂着开大公司哈哈),虽然我个人是觉得NP不等于P的。另外这门课真的是太多证明了。

21,Applications in Engineering Mechanics:GeorgiaTech的,接着上面的Intro to Mechanic Engineering。因为我觉得intro上的不爽就继续上了这个。。。结果这个上得爽极了!就喜欢这种应用课!从钳子讲到了吊车,再讲到了摩擦力啥的。另外很久没做这种需要很多手算的物理计算题了,做完之后感觉整个人都非常舒爽。

22,Principles of Reactive Programming:接着上面的Scala课。这门课讲了Monad(Future,Observable)还有actor及一些distributed system的东西。应该说内容非常丰富,PA非常有挑战性。缺点是因为有三个老师所以内容不太连贯,第二个老师和Martin风格明显就不一样。。。另外就是PA有点太难了。。。

23,机器学习基石:如果不算机率课的随便看看的话这是上的第一门台大的课,一开始本来不准备上的因为觉得syllabus看上去太基础了,后来那一段实在没啥课所以还是上了。林老师讲的相当有水平,而且真的都是很基础的问题(当然,想学fancy算法的同学要等这门课的下半段:机器学习技法了)。新的东西主要是VC维度,并且把很多之前只是模模糊糊想到的问题明确的讲了出来,我非常推荐把这门课作为机器学习的入门课。而且是中文的。作业反正我觉得不是很难。。。毕竟ML都学过那么多遍了。。。

24,红楼梦:台大中文系开课,当然也是中文课。选的原因一个是四大名著里对于红楼梦最不熟,一个是因为语文学得不好所以希望能挑战一下中文系的课看看到底是啥样的。女老师感觉好有气质。。。课一开始是讲读者需要具有的心态和曹雪芹的背景,后面主要讲了两点一个是爱情观一个是世家复杂的人际关系。老师课里面说了好多遍因为课程长度的限制。。。感觉很可惜。貌似youku上有老师在台大的授课视频。作业基本都是互评,也算是很符合这门课的性质。

这些是正在上的,因为没上完所以评价都很简短:

25,ChinaX:Harvard在EdX上开的长达一年半的课。。。尼玛分成9小段每段都有一个certificate。。。最后还有一个大的。怎么说呢,反正我是基本没学过中国历史。。。这样看看老美怎么看中国,也是挺有意思的。希望能坚持下来。

26,法与社会:一个是法学的课之前没上过,第二个这是上交的课。感觉还可以。。。老师挺有想法的。中文教学。

27,Information Theory:港大的课,就是照着书念,而且还有18个互评作业,已放弃SoA旁听中。老师说多媒体版的书真是一点错也没有。这是我在coursera上面上过的课程体验最差的一门没有之一。

28,Energy 101:能源是个很重要的话题吧!据说会讲为什么电动车并不会减少碳排放这种,以及为什么太阳能这些对于能源利用没啥影响。。。当然,还没讲到。

29,Artificial Intelligence Planning:AI课,反正就5周就上了。现在反正是讲了A-star和一些问题的表达方式。课程图谱上有wryer大牛的详细评论。

30,Game Theory II:Advanced Applications:不小心看到就选了,因为上了一。这课其实也就4周。。。而且第一周目前还是讲voting那些东西。

31,基础光学I:台大的课,中文教学。。老师有的地方还是很赞同的,比如说成绩只能表示你和老师的缘分,看看你认为重要的老师是不是也认为重要。虽然互评要求用繁体这一点很囧。。。第一周就是历史故事,还看不出什么。但是我认为台大有叶老师把关课程质量应该都非常高。

下面是已选的,主要是说一下为啥选。。。:

32,Fundamentals of Electrical Engineering:因为之前没接触过EE,顺便这课有免费matlab用(4个月)

33,Convex Optimization:在Stanford的OpenEdx上。因为据说是大牛开课而且这个很重要吧

34,An Introduction to Functional Analysis:听上去会很有趣的数学课。是法国的学校开的。

35,史记:因为是台大的课。

36,Engineering Systems in Motion: Dynamics of Particles and Bodies in 2D Motion:这是GeorgiaTech力学系列的第三课,运动中的力学

37,Buddhist Meditation and the Modern World:冥想诶听上去无比高大上

38,Buddhism and Modern Psychology:自从上了人类简史我就对佛教非常有兴趣

=======

FAQ时间:
1,请问你从哪来的这么多时间上这么多课?
首先我上这些课的目的之一是为了尽可能快尽可能多尽可能广的吸收知识,所以基本上有些就不求甚解了。如果真的要钻研,看paper,或者深挖论坛的话时间肯定不够。
然后上MOOC是我工作之外的第一课余爱好,作为单身宅男基本上下班就开始上,周末也在上,吃饭的时候也有时候一边看视频课一边吃。看一下你们多少时间花在美剧动漫或者勾搭妹子上了就能知道我的时间从哪来了。。。从来不是没有时间的问题,问题只是priority不够高。
另外,基本不需要加班,很重要。或者学生的时候做作业不是很花时间。

2,请问你是如何坚持上完这些课的?
首先一个肯定是强迫症啦。
另外,如果不是时间问题的,上不完那就是能力问题。但是我觉得我能力没有问题,所以就上完了。
顺便时间安排什么的其实也是能力问题,效率不够高导致没时间也是能力问题,懒也是能力问题,缺乏驱动自己学习的能力,拖延症我就不需要吐槽了吧?我从来都是作业布置下来第一时间就努力做完的。。。从来不关心deadline是哪天。。。
另外还有一个很重要的原因,请见下面对于认知失调的胡扯。

3,请问你为什么要上这些课?
因为我觉得这些都很有趣。
为自己的行为选动机是个很奇妙的话题(是的这个是可以选的,还是见认知失调吧)
简要来说,如果我说是为了找工作,那么显然找到工作后我就没必要上了。
这种外在的动机一般而言都很难持久,也就很难会成为life long learner。嗯这是我的目标。
另外就是我可以用我的50多张SoA糊墙。

4,请问你上这么多奇怪的课有什么用?是要拯救世界吗?
当然不是。。。
首先一个是,我找到了现在的工作。虽然一开始并没有打算上上课就能找到。。。但是反正不上的话肯定找不到。而且找到工作后就没必要只上CS的课了。
其次一个,保持大脑对于新鲜知识的容纳度,不学可能会变迟钝。。。而且我觉得现在什么东西都变化得很快,最有用的能力应该还是快速学习的能力。这样干啥都不怕。。。
然后,打发无聊时间啊,并且这个爱好不仅廉价(其实是免费)而且听起来逼格非常高。。。
所以真正学的那些知识其实一大半都没什么实际用途,扯淡除外。知识面是可以拓展的,并且看问题的角度会稍微不同。具体的细节性的知识肯定过几个月不用就忘了,但是一些学科的基本概念还是会留下来的。
另外就是发现自己的兴趣点,keep looking,dont settle!

=======
关于认知失调
我觉得认知失调是心理学里面很有趣的几个实验之一,我觉得它的实验结论也是最有用的。。。嗯,所以我在我们组的study group上(其实是modeling study group)讲了关于认知失调的内容。实验详见《改变心理学的40项研究》,具体不描述了。不过结论是行为会改变你的想法。和自我觉知理论结合,就是如果你做出违反你想法的行为,那么你的行为可能会改变你的看法,如果你的想法并不明确,那么你会从你的行为归纳出你的看法。
背后的原因,就是你需要使你的行为合理化,如果缺少一个合理的理由,那么就必须改变观点使得这个行为(从大脑的角度)看起来比较合理,否则你就会觉得自己是个傻波伊。因为行为是没有办法改变的,所以变的只能是看法,除非干脆的承认自己就是能力不足。。。
这个结论其实相当powerful,因为一般而言我觉得观点比较难以撼动,但是对于自己的行为是有一定的自控力的,这样就可以通过行为培养观点,观点反过来又促进行为。

而且我认为这不但能影响观点,也会影响动机(或者说动机也是一种观点)。这个也涉及到归因理论了,其实我觉得认知失调可以算是归因理论的一部分吧。我希望学习的动机是因为兴趣,而不是因为外在的奖励。因为内在的动机是很难消失的,但是外在的动机达到之后就会消减,所以对于有益的事情要尽量进行内在归因,那么这个怎么做?就可以通过控制行为。

比如你说我是为了找工作才要上这些课的啊,那么如果我找到工作之后还在上,这个动机就明显不成立。那我可能就会倾向于做内归因。内归因又可以驱动我继续上课。

而且还有一点就是如果你无法达到预期的行为,这对于你自己的影响比你想象的要大,因为很可能会反过来降低你的动机。而这又会弱化你的行为。。。这样就会离既定的道路和安排越来越远。

所以,如果有一门课没有上完,那么很可能会减弱我整个上online course的动机,这个影响可能会非常大。我认为online course是有益且需要坚持的,所以为了防止出现突然有一天就不上online course这种事情的发生,要尽量避免任何的不良影响。

而且这个除了上课之外还可以用在别的地方来塑造自己的行为使自己成为自己想要成为那种人。当然这个要在能力范围之内,并且最好不借助外在评判,就像是你无法一定让自己有钱(因为需要和社会互动),但是你可以让自己上进。

计算机网络与信息安全公开课汇总

鉴于近期与计算机网络和信息安全方面有关的新闻层出不穷,课程图谱为各位汇总了目前(2014年初)MOOC平台与相关领域有关的公开课程。
计算机网络

1. University of Washington的Computer Networks

@wzyer:这门课是现今所有mooc平台上最全面的一门介绍计算机网络的课程。课程以网络的OSI七层模型为主线,全面覆盖了支撑现有互联网的各种基础架构和协议。其中又有重点地讲解了 TCP/IP,HTTP,802.11等常用基础协议,目的是使所有上完课的同学,都能够对于数字信号如何在网络上传播有一个清晰的认识。就我自己上完课的感受来说,这门课完全能够完成这个任务。
不过,如果从讲解和交互性上来说,这门课还是难以与一些精品课程相媲美,只能算是一般水平。老师对于各个问题的讲解基本遵循了“提出问题-》解决方案-》应用实例”的顺序,所举的小例子也足够简单清晰,所以不会出现难于理解的情况。但是从交互性和趣味性上说,有意思的讲解不多,也没有什么特点突出的、有趣的内容来让人加深理解。因此上课的时候常常让人觉得乏味。个人认为这一点以后还有很大的改善空间。
其实说这门课程很无趣也并不准确。整个课程里还是时常会有有趣的事情发生,比如空中飞来飞去的小花盆,比如在老师背后扮鬼脸的吃货小萝莉。好吧……也许有人会喜欢这个。不过这个确实……确实和主题关系不大。只这能算是为课程增添一点有趣的小插曲。
这门课的作业分为两个部分,一部分是选择填空题,这部分的分数和最后的证书密切相关;另一部分则是编程和一些网络工具的使用,这个不计分,只是帮助加深理解。由于时间关系,我上课的时候并没有完成第二部分。但我仍然强烈建议想认真学习这门课程的同学去完成编程以及网络工具使用这一部分。虽然这里不算分,但对于课程内容的理解是大有裨益的。
最后该说说老师了,David Wetherall 是计算机网络方面的专家。也是著名的计算机网络教材:Computer Networks的作者之一。这本教材在Amazon上评分是3.9分,要高于著名的SICP,当然和一些大牛的接近5分的经典巨著没法比,不过也绝对够得上好书的标准了。而且他作为老师所讲授过的课程全部是计算机网络相关的,可谓相当专一。因此,完全不用怀疑老师的专业性。
最后,我把这门课推荐给想了解计算机网络的相关知识的同学,也许它算不上很深入,但绝对能为你以后的深入学习打下坚实的基础。

@超級現實的超現實理想主義者:内容覆盖非常全面的一门课,可以看出老师的用心。不过正如@wzyer 所说的:“提出问题-》解决方案-》应用实例” 的授课方式,这门课还是显得比较传统,虽然老师的授课水平不用质疑,但是交互体验还是有点欠缺,毕竟计算机网络是一门偏重工程的课程,如果在Link Layer以上的部分能够将一些概念通过现实中的工具进行演示效果可能会更好一点。可能老师也发现了这个问题,于是大家就看到了老师和他的家人为此作出的努力(看过视频大家就知道我在说什么了,哈哈)

2. Stanford University的Networking: Introduction to Computer Networking:该课与上面华盛顿大学的课程内容基本类似,讲师分别是Philip Levis和Nick McKeown,其中Nick McKeown在计算机网络领域享有很高的盛名。

3. Georgia Tech的Software Defined Networking:该课讲述的是目前比较热门的领域:软件定义网络(Software Defined Networking),讲师Nick Feamster是该领域非常权威的人物。

4. Princeton University的Networks: Friends, Money, and Bytes:该课通过20个问题来讲述互联网如何渗透日常经济生活的方方面面,例如:Google是如何为网页进行排序,移动电话网络的运行规律,Netflix如何为用户推荐影片等等。该课的同名教材Networks: Friends, Money, and Bytes在美国亚马逊上也获得了很高的评价。

5. Princeton University的Networks Illustrated: Principles without Calculus:课程内容类似上面的Networks: Friends, Money, and Bytes,不过课程内容少了很多数学理论,适合数学基础薄弱的朋友。

6. University of Michigan的Internet History, Technology, and Security:该课介绍了与互联网有关的历史,例如因特网的诞生,万维网的历史,互联网传输协议等等,是一门科普性质的互联网历史课。

信息安全

1. Udacity的Applied Cryptography

@wzyer:我很喜欢这门课。能把这样一个偏数学的主题讲的这么有趣本身就很难得,编程作业更是吸引人。记得讲RSA的单元的作业是破解十多段密文,每一段解密后的明文都是下一段的线索,环环相扣,很有意思。而且这门课难度也不低,想完全掌握还是需要很多思考的。

2. Stanford University的Cryptography I 该课已经进行过多轮:

@Candy的爸爸:Stanford的密码学线上课程,主讲Dan Boneh非常给力,语速很快,是密码学界的大牛。每周的课程内容很多,主要讲了密码学的原理,包括流密码、对称密码、非对称密码,加密认证、完整性算法等。课程内容很值得推荐。我花了非常多的时间来学这门课

3. Stanford University的Cryptography II:该课距公布至今已经一年多,经历过数次推迟。从官方的信息来看预计即将开课,究竟会不会再次推迟让我们拭目以待。

4. Stanford University的Computer Security:该课与Cryptography I&II是同一个讲师Dan Boneh,该课的内容围绕与计算机安全有关的话题。目前还不清楚开课时间。

注:原创文章,转载请注明出处“课程图谱博客”:blog.coursegraph.com

本文链接: http://blog.coursegraph.com/计算机网络与信息安全公开课汇总