标签归档:公开课

Deep Learning Specialization on Coursera

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

自学CS总结-by 要有光LTBL

这篇文章大半年前看过,原作者 要有光LTBL 同学也在课程图谱的群里,这两天群里讨论的时候想到了这篇文章,还花了一点时间扒了出来,所以征得作者有光大神的同意,转发和备份到这里,顺便给课程做了一个内部链接。以下系转载:

首先这只是我个人的总结,希望能提供大家一些好的建议或者想法,至于具体的可实施性和可推广性就不做任何保证了。。。

只是汇报一下我学了这些课,而且做一些个人的评价,并不代表着就等同于CS的学位了。。。额,操作系统编译等等都没上过这是必然不能比的。。。我只是上了这些课,而且这些课都属于CS的范畴而已。现在也只不过是拿到了offer所以汇报一下,肯定还要继续学的。。。

如果确实准备通过自学CS来找工作,那么最好先确保有足够的时间,能力和毅力。大忙人,作业写不完天天赶ddl的,数学恐惧症,编程恐惧症或者重度拖延症基本可以点叉了。而且请至少留出一年时间来学习吧。

我的背景本科是药学和心理,MS是Columbia的Biostatistics,然后工作拿到了。。。加州某小IT公司(也就是说你们大部分不会知道名字的公司)的offer,package勉强可以跟CS MS comparable这样。不过鉴于这里面有极大的运气成分所以没有任何可推广性和借鉴价值。然后我就进入正题说自学CS了。

我的背景算是统计吧,然后这样的话是要往machine learning的方向转,完全没必要我也不愿意做纯码农or Software Engineer,我投的基本上还是比较交叉的Data Scientist或Modeling Scientist这样。需要一定的programming能力但是要求并不深。除此之外可能会一些database或者machine learning会有帮助。。。我学其他的基本是个人爱好。其他专业的同学请看看就好了。。。而且申请OPT什么的时候还要考虑工作和学位的匹配程度。

首先一点,一定要是免费!或者基本免费。。。为什么不旁听的原因是我在医学部的校区离计算机系的主校区还是有相当距离的,所以我懒得去。。。不过现在网络上有极其丰富的教学资源,尤其是在计算机这方面更是非常丰富。这里我用的主要是三个平台:

1, Coursera,由Stanford的吴恩达(什么没听说过?英文名应该更熟叫Andrew Ng)和Daphne Koller教授创建,现在有200多面课程,基本上有100多所大学吧,其中CS的课应该就有50+。他们的特点是每门课都有一定的开放时间,而且有deadline,如果没有赶上开放时间就要等半年或者更长时间才能赶上下次开放。。。所以要上的话建议提前半年到一年看好所上课程的下次开课时间。(如果是某门课的first run那么很可能会推迟开课。。。)最后一般会给certificate,但是不会有人看那玩意的。。。编程作业会有,不过一般不会限定语言。课程跟大学内教授的相似,会更偏理论。课时基本上是5-8周,然后每门课的用时不定,2-4小时吧,如果有programming assignment会更多。

2, Udacity,cofounder是google一个教授,另一个也是stanford的。。。课非常flexible。只要材料全部post了那么什么时间上都可以,什么时间完成作业也都没要求,适合填充碎片时间(比如coursera的课很少的时候安排看Udacity),会更加注重应用,会有autodesk,nvidia的人去讲。并且我认为很适合学编程。用的Python较多,如果没注明的话默认就是python了,最近也有需要C/javascipt/HTML的课。缺点是他的视频是upload到Y2B上面的(虽然现在基本都开放下载了),所以需要翻墙。技术好的请翻墙的,技术不好的请搞一个V*P*N,一个月也没多少钱,跟你学到的知识相比绝对物超所值。课基本是7周,6周的正课,最后一周一般是叫点牛人然后来个展望这样。。。每周时间也要看programming的比重,不会很多。

3, 其他,主要是iTunes U或者翻译过来的网易公开课,相比而言视频的质量会非常差。。。没了。不是特别推荐。优点是网易公开课的话是有中文翻译的。这个一般相比,看视频的时间需要的较多。

然后我第一次上Coursera的时间是4.23,第一次上Udacity的时间是4.18,也就是说到现在也没有一年。这之前我的编程经验是:R,基本可以熟练运用。。。如果统计的同学R或者Matlab应该是肯定会一个的吧。。。然后后面我会按照我上的课的时间顺序给出评价。基本上5星是必选,4星是machine learning必选,3星是推荐,2星是一般,1星是不推荐。

0, MIT计算机科学导论,5星。请到网易公开课找,或者iTunes U等找英文资源。我上课的时间是大四。讲的内容基本是以python编程为主,并且会涉及到一定的OOC(面向对象)的内容,鉴于后面的课都跟OOC没什么关系所以这个课也还是挺好的。讲的也不错,相比之下harvard的CS101我就很不喜欢。。。

1, Udacity CS101 Intro to CS: 2.5星,作为入门课是很可以的,讲的也很适合美国人(对我的意思是他们比较笨),不过如果有了MIT的做基础这个基本就跟玩似的。。。有时间上了就好也不花什么精力。或者直接作为python入门也是不错的。内容基本是build a toy search engine。还算有趣。

2, Udacity CS262 Programming Language:5星,通过build一个javascript和html的interpreter可以对计算机语言的运行方式有一个更深层次的理解。尤其是对于各种syntax error之类的。而且他的成品基本上是Udacity所有课里面最exciting的,老师的声音也很好听。难度适中。有前两个的基础应该问题不大

3, Udacity CS212 Design of Computer Program: 5星,Google的Peter Norvig讲,基本讲完之后的感觉就是所有编程都没问题了。。。不过也很难,我当时每周的课都。。。比较困难。因为当时我是101,212,262还有machine learning同时上的,外加还要抽出一点点时间复习期末考试。。。每周基本上都能有一定的成果,第一周是poker,然后后面还有word game,game solver,grammar等等非常有趣的内容,极力极力推荐。难度,挺难的,不过收获也非常大。顺便这老师我特喜欢,也是Udacity的cofounder。

4, Coursera Machine Learning:4星,ML必须课需要说什么么。。。不过比较偏应用,会介绍Neural Network,但是对SVM基本上一带而过。还有recommendation system和别的一些较应用的内容。没有reinforcement learning的部分,unsupervised也比较浅。有PA,没有期末考试,一般人这课都能拿满分吧因为没有限制尝试的次数。。。用的语言是Octave/Matlab,难度一般。顺便Andrew Ng的奇怪的中国口音实在是听起来好爽。以及老师也是Coursera的cofounder,还经常来中国玩。

5, Coursera Software Engineer for SaaS: 1星,看情况应该是不再开了,随便说几句。课的视频直接就是上课录得,质量很差非常没有诚意,而且感觉就是一直在卖自己的教材的样子。课。。。因为上的太早了我完全没概念所以也基本没听懂。勉强做了前面几个PA实在忍不了了最后这个课我就基本没上。。。用的是Ruby on Rails。

6, Coursera Human-Computer Interaction: 2星,一般。没什么特别的意思。。。有些需要自己设计界面什么的对那种基本不感冒。而且后面居然开始讲统计和实验心理学一类的东西了我有些接受不了。。。

7, Udacity CS253 Web Application: 3星,挺不错的课,就是最后用GAP搭建一个非常简单的blog以及wiki。能够提供一些关于网页应用的insight(当然非常浅),做的东西也算是非常有意思的,另外用的平台是Google的GAP,国内的同学请准备翻墙。难度适中。而且最后一单元会谈到很多很实用的问题比如scale什么的。而且能给一些关于software engineering的idea。

8, Coursera Algorithms: Design and Analysis Part 1: 5星,这个是Stanford开的那版,不是Princeton的,后者我没上过不过据说更浅一些。老师很有激情语速也比较快,写字也很难看。。。不过看多了就习惯了。算法对CS是非常重要的,也是面试常考的。这个介绍的是基本概念big-O,还有sort和search。每周都有PA,基本是给input然后求output这样,不限定语言,不过python有时候会非!常!慢!难度适中

9, Coursera Cryptography I: 3星,Stanford的密码学,讲得很详细,而且也非常难。。。毕竟都是最最聪明的人在搞这些玩意。有很多非常奇妙的trick。不过难的同时同样的也很有挑战性。这个比较偏理论。有三星的自虐指数,难度是真的很难。

10, Udacity CS373 AI: Robotics: 3星,是Udacity另一位cofounder讲的,也很不错介绍了particle filter和A*什么的。缺点是一开始重复了两周的非常基础的probability的内容,不然的话还是可以考虑给4星的。。。难度适中。

11, Udacity CS387 Applied Cryptography: 也是密码学,一视同仁给3星。这个就很应用,理论的部分不多,而且cover的比Coursera的多(Coursera的毕竟只是part I, part II还遥遥无期。。)每单元最后都有challenge题目,是真的很变态。。。尤其是final的最后一题,设计得非常巧,有大概四五个环节要把很多学到的东西都用上。做的感觉就跟拿着藏宝图寻宝,然后一个一个解开线索一样。。。因为是密码学,所以必须的自虐指数三星,难度也真的很难。另外上这课有时候也需要翻墙。

12, Udacity CS215 Algorithms:3星吧,鉴于有上面的algo了这个也不是很难。。。算是巩固好了。介绍的重点是关于graph的,dijkstra什么的。。。老师很有趣,见过一面。难度适中。

13, Udacity CS258 Software Testing: 1星,我上过的Udacity最差劲的课,课内容非常少,而且总之这个现在也用不到。我反正是有时间就上了。唯一的收获是中间写了一个数独的solver,然后我自我感觉写得很不错。。。导致后面我对数独完全失去兴趣了。。。

14, Coursera Quantum Mechanics and Quantum Computation:2星。量子。。。啊这些其实没什么关系上纯是兴趣因为密码说过量子计算机可以破RSA。。。然后非常难,非常虐。所以就不推荐了。。。我现在也只能记住最基本的qubit的共轭。。。

15 Stanford Machine Learning: 4星。是iTunes U上面的,Andrew Ng在斯坦福的讲课视频,相比前面coursera的就更理论,虽然没有NN的内容,但是svm讲得很细,还有ica和reinforcement的部分。总之算是巩固基础,然后相辅相成。同样我还是很喜欢吴恩达老师的口音!

16, Coursera Web Intelligence and Big Data: 1星。大部分很浅,不喜欢。而且考试非常无厘头。不过基本上介绍得很全面,包括file system也涉及到了。PA。。。比较傻逼。不过也不是很花时间,所以还好。

17, Udacity CS222 Differential Equation:3星,在学校基本算是没学过微分方程所以挺遗憾的。。。这个课也有涉及很多实际问题所以算是有趣。画的图也很好看。。。总之最后的感觉就是世界真和谐,世界真奇妙,世界真美好。而且用matplotlib,需要的同学可以借鉴一下。

18, Coursera Introduction to Computational Finance and Financial Econometrics:2星,本科难度的课,基本上很傻逼。。。前面70%都是在复习什么矩阵啊概率啊之类的。。。用的是R。会有一些time series的东西。。。还有一点关于股票的,不然根本就是白上了。。。

19, Coursera Probabilistic Graphical Models: 3.5星,和Machine Learning的关系也没有那么大,还不算一定必选。老师是Coursera的另一位cofounder,内容是研究生级别的,很难,PA也很难。我现在有些概念也没完全理解透。。。而且内容很多。借用weibo上老师木的评价:“别的都是讲的术,图模型讲的是道”。自虐指数三星。我当时经常周六下午做这个PA做的死去活来。。。

20, Coursera Neural Networks for Machine Learning: 4星。现在Deep Learning的领军人大牛hinton亲自讲授。内容有点。。。晦涩,但是理解之后概念还是不错的。PA什么的难度也适中。不算特别变态。

21, Udacity CS313 Theoretical Computing:2.5星,主要讲关于NP的,这个topic还是蛮有趣的。Programming的比重也不大,应该可以轻松上完。。。因为确实跟CS,主要是找工作的话关系没那么大所以到不了3星,何况NP后面还有5星课程会cover到。。。

22, Udacity CS259 Software Debugging: 2星。主要是Coursera的课都上完了没事就上了。内容如题。。。其实也可以,但是我肯定不是这么debug的。。。

23, Udacity CS271 Intro to Artificial Intelligence: 4星。Udacity当年的第一门课。两个cofounder讲。对于ML,NLP,CV,机器人,game theory等都有所涉及。看完了我突然觉得。。。尼玛原来我感兴趣的这些全都是AI啊。。。不难,没有PA,花点时间就好了。

24, Coursera Algorithms: Design and Analysis Part 2: 5星。必须的五星,之前的part 2,内容是greedy algorithm,dynamic programming和NP。涉及的东西很多,PA也变态了很多python真的特别慢。在此力荐pypy。没什么可说的算法是必须看的。而且这俩part加起来本科毕业生的水平至少就有了。。。

25, Coursera Interctive programming in Python:2.5星,用他们自己建的一个GUI去遍图形界面,也算是python入门课。很简单,不过如果是machine learning的话用处不大。。。(这门课当是因为没时间只是看了视频,也没有做作业,没拿certificate)

26, Coursera: Intro to Database: 3星 现在搬到Class2Go上面去了貌似。介绍数据库,包括一些xml啊json什么的还有nosql的部分。当然大头是SQL,因为考SAS证的时候学过了,所以也就看看。不过数据库对于big data什么的还是很重要的(准确地说nosql数据库还有DFS什么的很重要。。。),所以应该还是看看比较好。

27, Coursera Computing for Data Analysis: ?星,简单的但是比较系统的介绍R语言。看各位的需要了。

28, Coursera Game Theory: 2星,感觉。。。好奇怪的,感觉什么都没说就上完了,最后就记得一个词叫纳什均衡了。。。而且很浅,尤其是rational的假设令我感到很不安。。。当然我会说我选这课的时候根本不知道Game Thoery是博弈论。。。我还以为是什么游戏之类的呢。。。

29, Coursera Image and video processing:3星,介绍基本的关于image processing的东西,挺好的。有时候挺好奇PS里那些效果是怎么办到的,就看这个就好了。。。当然那部分貌似跟PDE有关所以其实我基本没看懂。。。

以下课程是我在上的还没上完。。。

30, Udacity CS344 Parallel Computing:2.5星,用的是build on C的CUDA。因为主要是为了提高运算速度所以用C还是可以理解的。因为不熟悉C。。。所以上成了一个傻逼啊!不过有些概念学一下还是很有助于开阔眼界的。现在Program GPU也很是流行的样子。。。而且我觉得挺难,主要是C完全不熟。

31, Coursera Linear and Discrete Optimization:2星,有很弱智的PA,基本就是填空题。然后就是线性规划嘛。。。主要cover了simplex算法等。也不是很花时间。

32, Coursera Natural Langauge Processing:看在是鄙校的份上违心给个3.5星吧。。。这个课主要是先期准备不足所以一开始很乱套导致扣了很多印象分。讲的目前为止也中规中矩,PA难度也还可以。不过那些东西感觉都太经典了。。。是不是有点过时了啊。。。NLP基本也和ML关系很紧密,所以个3.5也不算很过分。。。

33, Coursera Social Netwrok Analysis: 3星,社交网络诶很火的,虽然讲的似乎也比较浅,而且老师没有照片上那么好看。。。

34, Udacity CS291 Interactive 3D Graphics:2.5星。用Threejs吧,build on javascript。恩,想想这是魔兽会用到的技术我就觉得很有动力。。。

下面这个课我没上过:

??: Coursera Complier,所以也没法打分,用的应该是C,目测比较难但是上过的同学感觉收获还是很大的。。。不过因为python不用compile所以我也没什么概念。。。

总结:必上:MIT的导论,Udacity 262, 212,Coursera上斯坦福的算法。还有Andrew在Coursera和Stanford上面的两版Machine Learning。

另外我们有个关于Udacity和Coursera这些公开课的QQ群:244689946 (课程图谱)

最后的废话:感谢Andrew Ng,Peter Norvig等人的努力,没有他们就不会有这么多这么好的免费资源给我们。我的偶像是Steve Jobs和Walt Disney,他们不仅改变了我,也改变了世界。Andrew他们还不算,因为虽然这些公开课改变了我,但是还没看到他们改变世界,不过他们都还活着。。。所以我觉得肯定会看到那一天的。另外感谢他们给这么好的机会和资源,我觉得如果可能的话我会贯彻终身学习,坚持一直学习下去的。。。

以及感谢太傻的任老师虽然把我搞出国服务就算结束了但是一直还在帮我。。。发各种信息给我(虽然大多不靠谱),但是Udacity和Coursera也是他介绍的。。。我后面找工作的position大部分也是他发给我的。。。虽然造就了超低的回复率但是至少我要去的公司也是包含在里面的。。。

好吧再加一句太傻的服务基本上似乎是不太好的,这真的不是广告啊你们妹的,有这么广告的么。。。只不过这个老师是真的对我不错。。。

源地址: http://blog.renren.com/GetEntry.do?id=900262844&owner=232614149

公开课可下载资源汇总

微博上经常有同学分享一些公开课资源,包括可下载的网盘资源,课件资源等等,但是时间长了就忘了在哪里了。另外Coursera官方也推荐一些第三方批量下载工具,大家下载课程后也可以考虑共享到网盘里,减轻Coursera官方的下载压力。这里计划做一个汇总,包括一些佚名的来自网络上的课程资源分享,也欢迎大家提供线索或者补充公开课网盘资源。

1、Coursera上Andrew Ng老师的”机器学习公开课(Machine Learning)

通过在Google上“site:pan.baidu.com 机器学习”搜索到课程资源,包括课程视频,课件,字幕,笔记等等课程资源, 链接: http://pan.baidu.com/s/1qW0tMu4 密码: sdjq

2013.12.30更新:网友linbojin留言:Prof. Andrew最新的机器学习ML-004课程结束了,整理了视频文档和编程作业,链接: http://pan.baidu.com/s/1eQu83Vc 密码: 213g

2、Coursera上Geoffrey Hinton大牛的“Neural Networks for Machine Learning(面向机器学习的神经网络)”公开课,老头子去了Google,这门deep learnig必修课程有可能不再开了,给大家提供两个网盘下载地址:

2.1) hinton-ml:链接: http://pan.baidu.com/s/1o6wugps 密码: 8386

2.2) neuralnets-2012-001:链接: http://pan.baidu.com/s/1dD4JY17 密码: pfnf

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

一个朋友通过Coursera官方提供的批量下载工具下载课程后共享给我的网盘链接,表示也可以分享给大家:
pgm-003:链接: http://pan.baidu.com/s/134ajs 密码: sgws

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

微博上 @付翔_90 同学通过Coursera批量下载脚本下载了这门课程并分享给大家:我把公开课 nlangp-001下载下来了 ,@52nlp 大神帮忙转下,大家需要的就转去下载把,省得增加coursera 的压力 。地址 http://t.cn/zHp7y8y ,至少保留一个月 。

nlangp-001: 链接: http://pan.baidu.com/s/1jG9ZtEQ 密码: tuey

5、Coursera上Sedgewick教授的两门算法课:Algorithms, Part IAlgorithms, Part II

课程图谱群里有好心同学在百度网盘里分享了普林斯顿大学Sedgewick教授的两门算法课程的相关视频、课件及字幕资源,方便之前没有注册课程的同学保存或下载 http://t.cn/zHlFCoN , 课程详情及评论可以参考“Algorithms, Part I” http://t.cn/zTdJmOJ ,“ Algorithms, Part II” http://t.cn/zTFseHD

网盘地址:http://pan.baidu.com/share/home?uk=2366285389

6、2012龙星计划机器学习课程的视频及课件

来自微博上@SunnyerEric孙晗晓 同学的信息 : 龙星计划机器学习课程的视频:http://t.cn/zlA2ZHb

网盘地址:http://pan.baidu.com/share/link?shareid=27613&uk=1513052211

关于龙星计划的课件,大家也可以在如下地方找到:

2012年龙星计划-机器学习课件

7、2013龙星计划深度学习(Deep Learning)课程视频

@龙星计划
龙星计划天津站 邓力老师的讲课视频 http://t.cn/zQixW12

@@戴玮_CASIA
天津大学深度学习龙星计划课程视频:http://t.cn/zQixW12

网盘地址:http://pan.baidu.com/share/link?shareid=3220401770&uk=723014463

8、Udacity的课程视频下载问题:

Udacity官方提供了几乎所有课程的打包下载链接,具体见这个页面:https://www.udacity.com/wiki/downloads

补充:课程图谱群内 freealbert 同学在百度网盘上传了Udacity的全部课程:

Udacity的课程都全部上传了, 地址是 http://pan.baidu.com/share/link?shareid=1720289399&uk=506767875

目前有23门课程可以下载,分别是:
Download pages for classes can be found below. Videos are archived by unit, are numbered, named and have a playlist.

  • CS101 – Intro to Computer Science: Building a Search Engine
  • CS212 – Design of Computer Programs: Programming Principles
  • CS215 – Algorithms: Crunching Social Networks
  • CS222 – Differential Equations: Making Math Matter
  • CS253 – Web Application Engineering: How to Build a Blog
  • CS255 – HTML5 Game Development: Building High Performance Web Applications
  • CS259 – Software Debugging: Automating the Boring Tasks
  • CS262 – Programming Languages: Building a Web Browser
  • CS271 – Introduction to Artificial Intelligence
  • CS291 – Interactive 3D Graphics: Creating Virtual Worlds
  • CS313 – Introduction to Theoretical Computer Science
  • CS344 – Intro To Parallel Programming: Using CUDA to Harness the Power of GPUs
  • CS373 – Artificial Intelligence for Robotics
  • CS387 – Applied Cryptography: The Science of Secrets
  • CS046 – Introduction to Programming
  • PH100 – Intro to Physics: Landmarks in Physics
  • ST101 – Intro to Statistics: Making Decisions Based on Data
  • EP245 – How to Build a Startup: The Lean LaunchPad
  • MA006 – Visualizing Algebra: Problems and Patterns
  • MA008 – College Algebra: Animals, Architecture, and Innovation
  • ST095 – Statistics: The Science of Decisions
  • PS001 – Introduction to Psychology: The Science of Thought and Behavior
  • CS046 – Introduction to Programming Java

9、edX课程视频下载:

edX在每个课程视频下面提供了下载链接,注册课程后学习的时候可以看到。

10、最后,再说一下Coursera视频下载的问题,推荐大家使用相关的批量下载脚本:

a) Coursera官方推荐的公开课批量下载工具:Coursera Downloader,Python开源工具包 — This script makes it easier to batch download lecture resources (e.g., videos, ppt, etc) for Coursera classes.

b) 国内 @郭宽Oct 同学写得下载脚本 CourseraDownloader,简单、方便、好用

11、Coursera上多伦多大学的统计学公开课(Statistics: Making Sense of Data)

一个朋友通过上面的批量下载工具后下载分享给大家:introstats-001 http://pan.baidu.com/share/link?shareid=3821473220&uk=939584912

12、Coursera上杜克大学的“Image and video processing: From Mars to Hollywood with a stop at the hospital

课程图谱群里有同学求此图像和视频处理课程相关资料,有好心同学在百度网盘里分享了该课程的资料:Sapiro – Image and video processing

13、以下课程资源信息来自于豆瓣Coursera学习小组的illuz同学,给课程添加一个内部链接,部分课程资源可能与上同,不过欢迎大家共享课程资源信息:

共享我收藏的各个Coursera课程【百度云】
illuz
来自: illuz 2013-10-12 15:25:26
人艰不拆你懂的。
特别感谢课程图谱和nkwdwxc童鞋的贡献(虽然是我偷偷转存过来的)

内容:
startup-001
创业项目工程 ,Startup Engineering
sdn-001
软件定义网络,Software Defined Network
publicspeak-001
公众演讲,Introduction to Public Speaking
ni-001
网络运作,Networks Illustrated: Principles without Calculus
infosec-001
信息安全策略的设计和实施,Designing and Executing Information Security
inforiskman-003
当前环境下的信息安全和风险管理,Information Security and Risk Management in Context
inforisk-002
Building an Information Risk Management Toolkit ,信息危机管理工具的建立
hwswinterface-001
The Hardware/Software Interface,软硬件接口【CSAPP】【自己翻译的名字】
friendsmoneybytes-002
Networks: Friends, Money, and Bytes 【不想翻译名字了】
comnetworks-002
Computer Networks
bigdata-002
Web Intelligence and Big Data

下载地址【有资源就更新】:
http://pan.baidu.com/s/1qXOXj
如果喜欢就顶一下吧

14、以下信息来自微博朋友 @freealbert :
Coursera 上的公开课,吕世浩-中國古代歷史與人物--秦始皇 已经全部上传到百度网盘了, http://t.cn/zRKZC4J 感兴趣的可以去看看。

杜克大学: Sapiro – Image and video processing

哈佛大学中国课(chinaX) 的视频 (陆续更新中)

15、公开课收藏达人 @超級現實的超現實理想主義者 将他收藏的课程上传到网盘,这是网盘地址:http://pan.baidu.com/share/home?uk=2919707929   其中包含了以下课程(不断更新中):

Hebrew University of Jerusalem – Synapses, Neurons and Brains

UC Berkeley – Operating System (2012年版)

Stanford – natural language processing

Stanford – Writing in the Sciences

MICHIGAN – Internet History, Technology, and Security

UC Berkeley – Quantum Mechanics and Quantum Computation  ( edX )

Washington – Introduction to Computer Networks

Washington – The Hardware Software Interface

Washington – Computational Neuroscience

Stanford – Organizational Analysis

EPFL – Linear and Discrete Optimization

Pennsylvania – Gamification

Melbourne – Epigenetic Control of Gene Expression

Duke – Image and video processing From Mars to Hollywood with a stop at the hospital

Duke – Medical Neuroscience

LMU – Competitive Strategy

Stanford – Introduction to Logic

Stanford – Understanding Einstein The Special Theory of Relativity

Duke – A Beginner’s Guide to Irrational Behavior

MICHIGAN – Introduction to Thermodynamics Transferring Energy from Here to There

Stanford – Social and Economic Networks Model and Analysis

Washington – Scientific Computing

VANDERBILT – Pattern-Oriented Software Architectures for Concurrent and Networked Software

EPFL – Digital Signal Processing

Georgia – Software Defined Networking

Duke – English Composition I Achieving Expertise

Princeton – Analytic Combinatorics Part I

Princeton – Analytic Combinatorics Part II

UC Davis –  Theory of Computation

Pennsylvania – An Introduction to Financial Accounting

Stanford-DB Introduction to Databases

Georgia – Introductory Physics I with Laboratory

 

16. Coursera上的模型思维(Model Thinking)公开课

在百度网盘搜索到的地址:http://pan.baidu.com/share/link?shareid=386163&uk=671452669

17. 明尼苏达大学的推荐系统公开课: Introduction to Recommender System @MrDeadline同学分享的课件和视频:

链接: http://pan.baidu.com/s/1qWvA3gC 密码: 71ay

18. 来自于百度网盘上Courserain同学的分享,有9门Coursera课程和一门2012龙星计划课程,部分可能与上面重复:
http://pan.baidu.com/share/link?uk=3123221195&shareid=209027
注:根据群友 @小楼临风 反馈,这个系列下的课程不全,请大家谨慎选择下载,这里依然保留链接。

Statistics One(统计学上)
Introduction to Philosophy(这些导论)
Introduction to Genetics and Evoluion(遗传与进化导论)
Introduction to Finance(金融学导论)
Introduction to Computational Finance and Financial Econometrics(计算金融学与金融经济计量学导论)
Gamification(游戏化)
Digital Signal Processing(数字信号处理)
Computational Investing Part I(计算投资学上)
Calculus – Single Variable(单变量微积分)

@爬犁腿 同学分享的课程:

UW的Mathematical Methods for Quantitative Finance 网盘地址: http://pan.baidu.com/share/init?shareid=2781373181&uk=3339584905 密码:5ljw

Dino 101: Dinosaur Paleobiology 链接: http://pan.baidu.com/s/1o66q1z8 密码: 3qjf

其他的欢迎大家补充。

19. Standford Online上Stephen Boyd著名的凸优化课程“CVX101: Convex Optimization”,微博上已经有同学开始传递了:

@amilton-wong: Stanford X的convex optimization 包含:lecture1及lecture 2 http://t.cn/8F5P8BY

凸优化课程百度网盘地址:http://pan.baidu.com/s/1dDDZfZb

20. 课程图谱群中几大学霸格外推崇的人类历史公开课“A Brief History of Humankind”,@有光同学 已经为大家准备好百度网盘链接了:http://pan.baidu.com/s/1c0quKrI ,有光同学对这门课程的评价:

这么课到现在也只上了一半多,毕竟17周基本上是coursera上最长的课了吧。但是这门课真的讲得非常,非常,非常的好。
老师坐在椅子上把人类历史最精华的部分娓娓道来,有点像百家讲坛的感觉。这门课的重点不是那些历史事件,而是作为一个整体的历史。
比如,人类的其他近亲为什么消失?认知能力,农业革命,货币,帝国,宗教,科学,这些都是如何改变人类的。而且就我个人而言我觉得视野开阔了很多。
另外视频制作的很精良,总之各方面都无可挑剔。

21. 斯坦福大学的统计学习公开课:StatLearning: Statistical Learning

这门统计学习课程和凸优化课程节前备受大家关注,参考教程是《An Introduction to Statistical Learning with Applications in R》,授课老师也是这本书的作者,并且电子版官方免费提供:http://www-bcf.usc.edu/~gareth/ISL/。另外这里之前有同学询问这门课程的视频下载情况,所以顺手把目前4讲的视频下载了下来(其实注册课程后,每个课程视频下都有下载链接,之后持续更新),统一放到百度网盘上了:Stanford Statistical Learning 2014,需要的同学可以考虑收藏。

23. 台湾大学的机器学习基石公开课: 機器學習基石 (Machine Learning Foundations)

课程图谱群中有朋友分享了网盘信息:http://pan.baidu.com/s/1kThZi1x

24. 加州伯克利大学的计算机视觉(Computer Vision)@张鹏 提供的地址:链接: http://pan.baidu.com/s/1eQIb7rW 密码: 2tx6

25. The Hardware/Software Interface
链接: http://pan.baidu.com/s/1eS14C1s 密码: 7f9b

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

本文链接地址:http://blog.coursegraph.com/公开课可下载资源汇总