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