月度归档:2014年01月

Deep Learning Specialization on Coursera

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

数据分析公开课汇总

数据分析是如今非常热门的话题之一,课程图谱为此简单整理一下目前(2014年初)在MOOC平台上有关数据挖掘方面的公开课程。
Coursera

1.  Johns Hopkins University的Data Analysis 该课通过R语言讲授数据分析的技巧:

@Cloga在路上:很好的一门课程,用R为工具讲了数据分析挖掘的一些算法和实例。

2. University of Washington的Computational Methods for Data Analysis 该课为课堂录像,通过MOOC的形式进行组织,讲师Nathan Kutz讲课生动、幽默,但是该课不足之处是课程不提供证书激励且几乎没有课程工作人员参与讨论,属于自助性质的课程。

3. University of Washington的Scientific Computing:科学计算是很多工程应用领域的基础课程,该课的讲师同样为Nathan Kutz,课程形式与上一门Computational Methods for Data Analysis基本一致。

4. University of Toronto的Statistics: Making Sense of Data

@Mavlarn008:就像这门课的标题“making sense”一样,这门课最好的地方就是让你对统计有”感觉”。虽然讲的比较简单,但是对于理解这些概念非常有用。 最后那个大胡子还自弹自唱一首他自创的有关这门课的歌,也很有意思。

5. University of Washington的Introduction to Data Science

@Cloga在路上:很好的一门课,尤其对于我这种初学者,老师讲的面很广,涉及了数据科学的很多方面。
不足之处是课程内容过多有些内容讲的很匆忙,比如数据可视化这个部分,大家普遍反馈讲的有点水,Graph那部分也有点水。
比较好玩的是,课程结束后Bill好像有些事情,拖了一段时间才给出分数,大家在课程论坛上各种吐槽,无比欢乐。

@伟伟酱说:正如老师开始所讲的,这门课的目的只是让你成为advanced beginer,课程内容涵盖了数据库(SQL,NoSQL),MapReduce,基本的数值分析,机器学习,数据可视化。类似于另外一门课Web intelligence and big data,两者都应该算是入门型课程,学生想要深入学习的话可以选择其他专门的课程。
有人认为老师讲课枯燥,你总不能指望每个老师把数学课讲的有历史课那么有趣吧~

@钛合金蛙眼: 希望和失望并存。。。课程内容结构很好,讲的不好;作业很赞,对有一定基础的人不难,但入门的同学可能还是有困难。如果只是想粗浅了解课程各个topic的,跟着做作业就不错,想深入还需自学

6. Columbia University的Big Data in Education:该课讨论的是将数据分析的技巧运用于教育领域

7. Johns Hopkins University的Computing for Data Analysis

@宋鑫要学习:想入门R语言的可以听听。我自己之前有看过一些R的入门书籍,但是总感觉云里雾里,这门课让我感觉自己摸着点门道

@Puriney:这门课更确切说确实是R语言指南,很多实用并且系统地把R用法娓娓道来,没有啥算法,因此可能有人觉得不象一门综合大学的课程而更象蓝翔技校般的技能课。我想跟当时课程开课有一定关系,当时我记得是这门4周课时的课(很精简了)先开(Roger Peng主讲),结束之后马上接着便是Roger Peng的好基友Jeff Leek (他们都是http://simplystatistics.org/博客的共同博主)讲的Data Analysis。Jeff的这门课就更加复杂,作业里有更多计算成分在,就不那么“技校”了。 p.s. 这是我唯一一门上完不那么费脑力的课(相比那些算法的课)。Jeff的这门我没有坚持到底,当时我很讨厌“互相批改”的评分制度(如果没记错)

@要有光LTBL:R讲的挺好的,一直在用但是知识体系并不是很系统。这门课还是讲得不错的。。。

@wzyer:这门课就应该叫作R使用手册。全是R的语法与应用,有些让我失望。语法什么的太琐碎,很容易遗忘,放到课上讲太多语法个人以为不妥。

 

8. Stanford University的StatLearning: Statistical Learning:名著The Elements of Statistical Learning: Data Mining, Inference, and Prediction(ESL)的作者Trevor Hastie和Rob Tibshirani开设的课程,本课的配套教材An Introduction to Statistical Learning: with Applications in R在美国亚马逊上获得了极高的评价,在课程中该教材将会免费对外开放

9.Duke University的Data Analysis and Statistical Inference:该课将会由R语言讲授统计学和数据分析方面的内容,欢迎关注

Udacity
Udacity近期与企业界合作推出了一些数据分析领域的课程,课程内容本身对外公开免费,但如果需要获得证书以及专门的在线辅导的话则需要支付一定的费用。
1. Introduction to Hadoop and MapReduce:

@ziyoudefeng: 这门课程太简单了,google搜索 mapreduce PPT 出来的这些PPT,看上几个也都抵上这三节课了。不过,总共也就3节课,听听也无妨。讲的内容很初级,小白用户可以网上的讲义加视频一起学习!

2. Introduction to Data Science

3. Data Wrangling with MongoDB

4. Exploratory Data Analysis

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/数据分析公开课汇总

经济学/金融学公开课盘点

之前有朋友在课程图谱的QQ群里(群号:244689946)询问过是否能够对经济学/金融领域的公开课课程进行一次汇总。在进行了相关资料的收集和整理以后,课程图谱将目前MOOC平台上有关经济/金融方面的课程进行简单的整理。鉴于目前有大量的相关课程,本篇挑选了比较重要的一些进行罗列,希望能够给大家一个比较完整纲领.

经济学领域

微观经济学

1. 宾夕法尼亚大学的Principles of Microeconomics

2.UCIrvine的The Power of Microeconomics: Economic Principles in the Real World

3.伊利诺伊大学香槟分校的Microeconomics Principles

@ototsuyume:总的来说这门微观经济学是不错的课程,即使只完成quiz也能拿到证书。假如时间多又想锻炼一下英语的话也可以去做project,每个project都完成了后据说证书上有特殊的标识。不过这门课没有ppt,老师提倡的做法是反复观看你不懂的那部分的视频,看到懂为止,这就是mooc的好处,问题在于对于时间不多的人来说,这是十分花费时间的过程

以上几门都是比较传统的微观经济学课程,主要都介绍了“供给-需求”,“资源分配”,“竞争”等等比较经典的微观经济学概念,各位可以根据自己的情况选择一门进行学习。

4.斯坦福大学的Game Theory

@wzyer:我只上过这个课的第一轮,不得不说,不算是一个太好的体验。总体课程显得内容很多,进度很快。不过据说后面开课做了很大优化,我就不清楚了。

社会网络属于一门数学、计算机、经济学、社会学的交叉学科,鉴于微观经济学的重点在于讲授经济学领域的工具,所以将有关社会网络的课程暂时列入微观经济学领域:

5.宾夕法尼亚大学的Networked Life

6.密歇根大学的Social Network Analysis

@MrDeadline:拿到了证书。这门课难度不是很大,每周的homework都是选择题且可以多次尝试得到满分,编程作业只有四次,偏简单。Lada介绍了很多概念,但都仅涉及初级部分,作为入门了解课程挺不错。编程作业虽然很少,但是用到了不同的SNA工具,特别是Gephi可视化工具的大量使用,我觉得可以激发很多学生继续学习这个领域的兴趣。

7.北京大学的人群与网络 People & Networks

8. 康乃尔大学的Networks, Crowds and Markets:其中两位讲师Jon Kleinberg和Eva Tardos是经典教材Algorithm Design的合作者

宏观经济学:

1.墨尔本大学的Principles of Macroeconomics

2. UCIrvine的The Power of Macroeconomics: Economic Principles in the Real World

3.威斯康星大学的Markets with Frictions

宏观经济学从某种角度上说属于微观经济学的进阶,通过从微观经济学学到的工具来分析和解决现实社会中比较宏观层面的问题

计量经济学/数学:

1. 加州理工的Principles of Economics with Calculus:据称该门课程的内容和难度与加州理工本校的课程完全一致,将有很大一块比重在数学模型上。需要一定的数学基础

2. 华盛顿大学的Mathematical Methods for Quantitative Finance

@钛合金蛙眼 :内容包括微积分,线性代数,最优化再捎带一些金融知识,都是数据挖掘和机器学习数学基础(除了概率统计),老师也讲的很清楚,只可惜没有证书,UW开的几门课程都不错

3. 华盛顿大学的Introduction to Computational Finance and Financial Econometrics

@要有光LTBL:前几周难度略低,从第7周左右才真正开始讲有趣的,前面还是概率统计什么的为主。作业基本上属于太简单(当然这是本科课)。。。R的覆盖还是不错的,视频虽然是课上录的但是质量还可以,不过不能下载视频和没有statement of accomplishment是挺讨厌的。

对于数学基础比较薄弱的朋友,课程图谱博客整理了数学方面的公开课方便各位根据自己的需求进行选择:http://blog.coursegraph.com/数学基础公开课汇总

金融学领域

投资学与资产定价:

1.密歇根大学的Introduction to Finance:该课属于Coursera在中国最受欢迎的课程之一,覆盖了股票、债券,以及资产定价的基础知识,属于不错的入门选择

@Exolution:我之后再听沃顿商学院Franklin Allen教授的Introduction to Coporate Finance的课程时,觉得非常流畅顺利,相信除了因为沃顿的课程本身品质不错外,之前Gautam Kaul教授的这门课还是起了很大帮助的。尽管内容不够紧凑丰富,但是对于新人来说这门课还是不错的金融入门课。 (点击查看完整评论..)

@ototsuyume:这门课跟ng的机器学习貌似是coursera最热门的三门课之一,内容很基础,连期货期权这些都没涉及到。但是作业有点难度,主要是老师上课的讲的例子太少也很简单。给的资料不是很多,课后作业的题解也只给了一道题目的讲解。要是给的资料啊题解什么的多一些就好了

2. 芝加哥大学的Asset Pricing:芝加哥大学是经济学和金融领域的重镇,该门课程属于PHD级别的课程,据称有相当的难度。对于有一定基础的朋友可以尝试一下。

3. 佐治亚理工的Computational Investing, Part I:该门课程适合计算机领域背景的朋友,希望能够了解一些金融学知识和金融交易方面的技巧。

货币银行学:
1. 耶鲁大学的Financial Markets:该课的讲师Bob Shiller获得了2013年的诺贝尔经济学奖。重量级的人物请自授课,千万不要错过

2. 哥伦比亚大学的Economics of Money and Banking, Part One

3. 哥伦比亚大学的Economics of Money and Banking, Part Two

金融工程和风险管理:

1. 哥伦比亚大学的Financial Engineering and Risk Management Part I

2. 哥伦比亚大学的Financial Engineering and Risk Management Part II

该领域主要是通过介绍和分析金融衍生品例如期权、互换等工具来进行盈利和风险对冲

财务:

1. 沃顿商学院的An Introduction to Financial Accounting:

@范昊坤:1. 课程完全为网络学习设计,视频精心制作,PPT课件和案例详尽。对于有那么一点聊胜于无的底子的我来说(十几年前学过一点基础的会计,基本了解资产负债表和借贷平衡,更多的就早已经还给老师了),难度应该正好,内容深入浅出。如果是完全没有接触过会计的童鞋,在最初两周的学习过程中可能会略微吃力一点,但是应该很快就能和我的基础齐平了。不过即便如此,后几周的课程还是略有点难度的,做作业的时候经常需要翻笔记,考试时如果不能对会计有大概的融会贯通的话,想拿高分或者满分还是略有难度的,所以切不可掉以轻心。(点击查看完整评论…)

@超級現實的超現實理想主義者: 能把会计这么无聊的一门课讲到这种程度确实不容易,讲师Brian Bushee在最后告别视频里说,大意就是:之前会计师协会的人对他说MOOC虽然很火,但是这把火是烧不到会计这门课,他想用实际行动证明他们错了。
我觉得他做到了,向他致敬!(点击查看完整评论…)

2. 清华大学的财务分析与决策:该课一上线就受到了广泛的好评

3. 沃顿商学院的Corporate Finance:

@范昊坤:作为沃顿四门MBA入门课程之一的这门课可圈可点,待俺慢慢八来。
1. Dr. Allen是学界牛人,教科书Principles of Corporate Finance的合著者之一。据童鞋们指出是一口地道的牛津腔。老师说话慢条斯理,灰常柔和,声线可谓很有特色,对于我来说,听了几周以后,慢慢也就习惯了(点击查看完整评论…)

@Exolution: 课程内容安排的非常紧凑,虽然时间短但是相比Gautam Kaul教授的课程内容广度和讨论深度都胜一筹。不过,Franklin Allen教授这门课上,假设公司只通过发行股票筹集资金,所以不存在根据负债比例调整股票期望收益率的问题,WACC模型自然没出场的份了,这部分内容得去Gautam Kaul教授课上补。此外,这门课可以不看听课,但是Notes必须得研究。Notes写的很详细,而视频上就比较粗的过一遍,然后针对课上学生提问的地方稍微详细的讲解一下。所以这门课如果不研究Notes,只看视频的话,恐怕会很难理解的。而且Franklin Allen教授第一节课也明确要求了需要读Notes,不读的话听不懂课可不能抱怨课讲得不好哦(点击查看完整评论…)

行为金融学:

1. 杜克大学的A Beginner’s Guide to Irrational Behavior:该课虽然属于心理学领域,但是对于了解行为经济学(金融学)会有很大的帮助和指导意义

@点儿618: 这是我上过的最好的课程,没有之一。从这门课的制作可以看出,大名鼎鼎的《怪诞行为学》作者Dan Ariely的成功真的不是偶然。和其他课程比起来,他是经过精心准备的,每一个视频、课程结构都是经过精心设计的。并不是在办公室或者家里拿个摄像头随便一录。他尽量用图片的语言帮助你理解,即使英文不够好,借助字母和他的图片,也能明白大意。他还在每周课程一开始讲一个笑话。有完备的reading list,分为必读和选读。每周有office hour。还请了其他心理学家客串讲座。
总之,整个课程的制作都非常用心,水平很高。内容又不是任何一本教材,而是非常贴近生活的行为经济学。
可以轻松愉快地学到这些有用的东西。
上完了这个课,Dan完全替代了前任,成为了这阶段我最喜爱的心理学家。

 

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/经济学金融学公开课盘点